- Vibe coder đang ship hàng ngày có thể đốt $2,000-5,000/tháng mà không nhận ra phần lớn là lãng phí thuần túy.
- Bài đầu trong series 2 phần phân tích chi tiết kinh tế token và 5 cái bẫy phổ biến nhất.
- Token caching từ Anthropic có thể giảm 90% chi phí input - nhưng 95% vibe coder chưa bật lên.
TL;DR
Hóa đơn AI coding đang leo thang như đường hockey stick không phải vì model đắt hơn - mà vì bạn đang trả tiền cho sự lười biếng. Phần lớn token bill là hành vi có thể fix được: context thừa, vòng lặp tool không kiểm soát, và dùng model premium cho mọi task dù đơn giản hay phức tạp. Bài này breakdown nguyên nhân gốc rễ và 5 bẫy cụ thể đang đốt ngân sách của bạn mỗi ngày.
Khi tiền chạy theo tokens
Biểu đồ chi phí của vibe coder năm 2026 trông như đường hockey stick. Claude Code, Cursor, Aider, Windsurf - mỗi tool đều chạy trên cùng kinh tế học: tokens vào, tokens ra, $X/triệu token mỗi chiều. Ship nhiều hơn đồng nghĩa đốt nhiều hơn, và hóa đơn đi theo.
Cái bẫy là đa số vibe coder học AI coding khi GPT-3.5 còn miễn phí và Claude còn $20/tháng flat. Không có gì chuẩn bị cho khoảnh khắc tool của bạn bắt đầu chạy vòng lặp agentic 50,000-token vào sáng thứ Ba trong khi bạn đang pha cà phê.
Ba thứ xảy ra cùng lúc:
- Model ngày càng thông minh và đắt hơn (Claude Sonnet 4.6 input ~$3/triệu, gấp nhiều lần GPT-3.5 hai năm trước)
- Tool tự động include nhiều context hơn (Cursor auto-context, Claude Code repo awareness, mọi IDE đều "@-everything")
- Agentic workflow trở thành default (mỗi tool giờ chạy multi-step loop, mỗi bước trả phí token đầy đủ)
Kết quả: vibe coder ship hàng ngày đang đốt $2,000-5,000/tháng, và hầu hết không biết bao nhiêu trong đó là lãng phí cho đến khi xem breakdown chi tiết.
Bạn không trả cho tokens, bạn trả cho context
Mọi bài "giảm bill AI" trên mạng đều bảo bạn đổi model. Đó là cái fix sai chỗ.
Fix thật sự ở upstream: ngừng gửi tokens bạn không cần gửi.
Session vibe coder điển hình trông như thế này:
- Mở Cursor
- Auto-context load 47,000 tokens file repo
- Hỏi Claude "fix lỗi trong function này"
- Claude reason trên 47,000 tokens để tìm 30 dòng quan trọng
- Claude trả về fix 200 tokens
- Lặp lại 50 lần trong ngày
Chi phí: ~$0.70/turn × 50 turns = $35/ngày cho một ngày làm việc "nhỏ". Signal thật sự: 30 dòng quan trọng đó.
Bạn không trả Claude để fix lỗi. Bạn trả Claude để đọc toàn bộ repo 50 lần để tìm 30 dòng.
Context discipline là đòn bẩy. Model selection là hệ quả của nó.
Token Economics 101
Trước khi cắt giảm, cần hiểu bạn đang trả cho gì. Có 4 loại token trên mọi AI bill:
- Input tokens - mọi thứ bạn gửi tới model: prompt, system message, file contents, lịch sử hội thoại. Giá theo triệu ($/M input)
- Output tokens - mọi thứ model trả về: code, giải thích, reasoning. Thường đắt hơn input 3-5x mỗi token
- Cached tokens - input token đã được gửi trong request gần đây và được đánh dấu cache. Giá ~10% so với input thường. Đây là cú cắt 90% chi phí mà hầu hết không dùng
- Reasoning tokens - token "thinking" nội bộ model dùng trước khi generate output. Bạn bị tính tiền dù không thấy chúng
Bảng giá hiện tại (giữa 2026, theo trang chính thức Anthropic):
| Model | Input /MTok | Cache Read /MTok | Output /MTok |
|---|---|---|---|
| Claude Opus 4.6 | $5 | $0.50 | $25 |
| Claude Sonnet 4.6 | $3 | $0.30 | $15 |
| Claude Haiku 4.5 | $1 | $0.10 | $5 |
| Kimi K2.6 (Moonshot) | $0.60 | $0.16 | $4 |
Khoảng cách giữa option đắt nhất và rẻ nhất xấp xỉ 8x trên input, 6x trên output. Developer dùng 15M tokens/tháng: Kimi K2.6 ~$24, Claude Opus 4.6 ~$495.
5 cái bẫy token mọi vibe coder mắc phải
Đây là 5 thứ đã đẩy bill của nhiều developer lên $4,000+/tháng. Fix từng cái và bạn lấy lại phần lớn khoản lãng phí đó.
Bẫy 1 - Re-gửi toàn bộ repo mỗi turn
Auto-context của Cursor hoặc Claude Code include cùng 30-50 file mỗi prompt. Những file đó không thay đổi. Nhưng bạn trả cho chúng mỗi turn. Context 50 file = ~80,000 input token. Với giá Sonnet: $0.24/turn × 50 turns/ngày = $12/ngày = $360/tháng chỉ vì re-gửi context bất biến. Fix: tắt auto-context cho file ổn định, dùng grep trước khi hỏi model, chỉ include file thực sự liên quan.
Bẫy 2 - Tool call loop xoắn ốc
Agent gọi tool, nhận data, re-gửi toàn bộ context. Gọi tool nữa, re-gửi. Gọi tool lần 3, re-gửi. Mỗi lần agent "để tôi kiểm tra cái này" là trả phí input đầy đủ lần nữa. Đến lúc agent có câu trả lời, bạn đã trả cho cùng 50,000-token context 5 lần. Fix: batch related tool calls, summarize tool outputs thay vì pipe raw output vào context, thay vòng lặp tool bằng Python helper deterministic.
Bẫy 3 - Chạy premium model cho task mà model rẻ làm được
Bạn nhờ Opus "fix typo này" hoặc "format JSON này". Model mất 12 giây, đốt 8,000 reasoning tokens, trả kết quả. Chi phí: $0.60 cho task mà Haiku làm được với $0.02. Fix: router tự động chọn model theo task type (xem bài 2 của series).
Bẫy 4 - Streaming khi batch làm được
Streaming response có thể phá vỡ prompt caching cho một số workflow. Fix: dùng batched response cho stable-prefix workflow, streaming khi cần UX feel tương tác, luôn batch cho background agent không cần feedback.
Bẫy 5 - Context bloat từ "just in case" includes
Không chắc Claude có cần utils.ts không nên include. Không chắc có cần test file không nên include. Không chắc có cần schema không nên include. Giờ prompt "fix bug này" của bạn là 80,000 tokens. Fix: grep/ripgrep trước - nếu grep không tìm thấy reference, model không cần file đó. Hỏi agent tự request file nó cần, đừng volunteer.
Kết - Chẩn đoán đúng mới fix được
Chẩn đoán không phải "model quá đắt". Chẩn đoán là bạn đang trả tiền cho sự lười biếng. Phần lớn token bill là hành vi có thể fix được, không phải giá cả. Đó là tin tốt - cũng là lý do series này có tác dụng thực tế.
Bài tiếp theo: Router architecture để tự động route đúng model cho đúng task, 7 kỹ thuật cụ thể, benchmarks thực tế, và config copy-paste - cùng 30-day plan để cắt 80% bill mà không đánh mất tốc độ ship.
via Anthropic pricing docs & Kimi K2.6 benchmarks - CodeRouter