DeepSeek API có thật sự rẻ nhất? Giá và cách dùng

Trả lời nhanh: DeepSeek API đúng là rẻ nhất trong nhóm API phổ biến, chênh lệch với các nhà lớn thường tính bằng lần chứ không phải phần trăm, và gọi được bằng đúng chuẩn OpenAI nên đổi sang chỉ mất một dòng base_url. Cái giá phải cân: dữ liệu đi qua máy chủ đặt tại Trung Quốc, độ ổn định và tốc độ có lúc dao động. Hợp việc khối lượng lớn không nhạy cảm; không hợp dữ liệu khách hàng hay hợp đồng.

Mỗi lần bảng giá DeepSeek được chia sẻ lại trên các nhóm lập trình Việt Nam là một lần có người hỏi: rẻ thế này thì tội gì dùng chỗ khác. Câu trả lời thành thật là rẻ thật, và với nhiều loại việc thì rẻ mà vẫn tốt, nhưng quyết định chọn API không nên chỉ nhìn con số trên mỗi triệu token. Bài này đặt cả hai mặt lên bàn: nơi DeepSeek thắng tuyệt đối, và nơi bạn nên trả thêm tiền cho lựa chọn khác.

Rẻ tới mức nào và vì sao rẻ được

So với nhóm model hàng đầu của các nhà lớn, giá mỗi triệu token của DeepSeek thường thấp hơn nhiều lần ở cả chiều vào lẫn chiều ra. Với một workflow xử lý hàng chục nghìn bản ghi mỗi tháng, khác biệt đó là con số thật trong hóa đơn chứ không phải chuyện làm tròn.

Lý do rẻ không phải phép màu: kiến trúc model tối ưu cho chi phí suy luận, chi phí vận hành thấp hơn, và chiến lược giá nhằm giành thị phần lập trình viên. Có một cơ chế nữa ăn tiền hơn cả đơn giá, cache ngữ cảnh: khi nhiều request cùng chia sẻ một đoạn đầu prompt giống hệt nhau (hướng dẫn hệ thống, tài liệu tham chiếu), phần lặp lại đó được tính giá thấp hơn hẳn. Muốn hưởng, hãy đặt phần cố định lên đầu và giữ nguyên từng ký tự giữa các lần gọi, phần thay đổi để xuống dưới. Riêng thủ thuật này có thể cắt phần lớn chi phí của một chatbot có system prompt dài.

Gọi DeepSeek trong 5 phút bằng code sẵn có

DeepSeek theo chuẩn OpenAI nên nếu bạn đã có code gọi OpenAI, việc chuyển chỉ là đổi hai biến:

from openai import OpenAI
client = OpenAI(api_key="sk-...", base_url="https://api.deepseek.com")
r = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role":"user","content":"Tom tat doan sau bang tieng Viet: ..."}],
)
print(r.choices[0].message.content)

Đăng ký key ở trang platform của DeepSeek, nạp credit trả trước bằng thẻ quốc tế, mô hình giống OpenAI. Hai dòng model cần phân biệt: deepseek-chat cho việc thường ngày, và dòng reasoner dành cho bài toán suy luận nhiều bước, trả lời chậm hơn và tốn token ra nhiều hơn vì model tự viết ra chuỗi suy nghĩ. Đừng dùng reasoner cho việc phân loại hay tóm tắt, đắt gấp bội mà không tốt hơn.

Trong n8n hoặc Dify, cách cắm giống hệt bài hướng dẫn OpenRouter: chọn credential kiểu OpenAI, sửa base URL, chọn tên model. Không có gì phải học lại.

Đánh đổi phải nói thẳng: dữ liệu và độ ổn định

Vị trí dữ liệu. Request của bạn đi tới máy chủ đặt tại Trung Quốc và chịu điều chỉnh của pháp luật nước sở tại. Với dữ liệu công khai hoặc nội dung nội bộ vô thưởng vô phạt thì không sao; nhưng nếu là dữ liệu cá nhân của khách hàng Việt Nam, hợp đồng, hồ sơ nhân sự hay mã nguồn lõi, hãy dừng lại và cân nhắc rất kỹ, nghĩa vụ bảo vệ dữ liệu cá nhân theo pháp luật Việt Nam thuộc về bạn, không thuộc về nhà cung cấp giá rẻ. Trong trường hợp đó, hai lối ra hợp lý là dùng nhà cung cấp có cam kết rõ ràng ở bậc trả phí, hoặc chạy model ngay trên máy mình theo bài Ollama.

Độ ổn định và tốc độ. Đã có những giai đoạn dịch vụ quá tải khiến độ trễ tăng vọt hoặc đăng ký mới bị tạm dừng. Bài học vận hành: đừng để sản phẩm của bạn phụ thuộc một nhà duy nhất. Cách phòng vệ rẻ nhất là viết code với base_url đặt trong biến môi trường và chuẩn bị sẵn một nhà dự phòng, khi có sự cố, đổi một dòng cấu hình là dịch vụ sống lại, thay vì ngồi chờ nhà cung cấp hồi phục.

So với tự chạy model trên VPS thì sao

Câu hỏi tự nhiên tiếp theo: rẻ vậy thì còn cần tự host làm gì? Blog đã có một bài đo thẳng vấn đề này là DeepSeek API vs self-host, và kết luận vẫn đúng: xét thuần chi phí mỗi triệu token, gọi API gần như luôn rẻ hơn thuê GPU, trừ khi bạn chạy tải cao liên tục cả ngày. Lý do người ta vẫn tự host nằm ở chỗ khác: dữ liệu không được rời hệ thống, cần độ trễ ổn định không phụ thuộc mạng quốc tế, hoặc cần chi phí cố định để làm ngân sách.

Mô hình lai đang được nhiều đội Việt dùng: model nhỏ chạy nội bộ bằng Ollama cho dữ liệu nhạy cảm và các tác vụ đơn giản chiếm phần lớn lưu lượng, gọi API bên ngoài cho những câu khó. Một node điều kiện trong n8n hoặc vài dòng trong backend là đủ để định tuyến, và bạn được cả hai đầu: riêng tư ở chỗ cần riêng tư, mạnh ở chỗ cần mạnh.

Danh sách kiểm tra trước khi đưa DeepSeek vào việc thật

Phân loại dữ liệu trước: liệt kê những gì sẽ được gửi lên và tự trả lời câu hỏi có ai phiền lòng nếu dữ liệu này bị bên thứ ba lưu lại không, nếu ngập ngừng thì đổi nhà. Đo bằng bộ câu hỏi của chính bạn: 20 mẫu thật, chấm điểm tay, so với nhà đang dùng; chất lượng tiếng Việt của các model đã sát nhau nên hãy tin số liệu của mình hơn bảng xếp hạng quốc tế. Bọc lớp trung gian ngay từ đầu: base_url và tên model để trong biến môi trường, có hàm thử lại và nhà dự phòng. Theo dõi chi tiêu và độ trễ: ghi log token và thời gian mỗi lời gọi để phát hiện sớm khi dịch vụ chậm đi. Đừng gửi khóa bí mật trong prompt, nghe hiển nhiên nhưng vẫn xảy ra khi người ta dán nguyên file cấu hình vào nhờ AI đọc hộ.

Danh sách kiểm trước khi đưa vào việc thật

Nói thẳng phần đánh đổi: giá thấp là thật và đáng chú ý, nhưng quyết định không chỉ dựa trên giá. Với dữ liệu nội bộ không nhạy cảm và việc xử lý khối lượng lớn, đây là lựa chọn hợp lý. Với dữ liệu khách hàng và mã nguồn dự án có ràng buộc hợp đồng, phải kiểm điều khoản trước.

Gọi thử và đo

# Chuan giao dien tuong thich voi chuan chung, nen ma cu chay duoc
# chi doi dia chi va khoa

# 1. Goi thu, do thoi gian phan hoi
curl -o /dev/null -s -w "tong %{time_total}s\n" \
  -X POST https://api.deepseek.com/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d @yeucau.json

# 2. Chay 20 lan, ghi lai thoi gian, tinh trung binh va do dao dong
for i in $(seq 1 20); do
  curl -o /dev/null -s -w "%{time_total}\n" ...
done | sort -n | awk '{a[NR]=$1} END {print "trung vi", a[int(NR/2)], "cham nhat", a[NR]}'

# 3. Ghi lai so lan that bai trong 2 tuan
#    Con so nay quan trong hon gia niem yet

So với tự chạy mô hình trên máy chủ của bạn

• Về chi phí: với khối lượng nhỏ và thất thường, gọi dịch vụ rẻ hơn. Với khối lượng lớn đều đặn cả ngày, tự chạy có thể rẻ hơn.
• Về dữ liệu: tự chạy là cách duy nhất để dữ liệu không rời khỏi máy của bạn. Đây thường là lý do quyết định, không phải giá.
• Về chất lượng: mô hình lớn chạy trên dịch vụ thường mạnh hơn mô hình mở chạy được trên máy chủ phổ thông.
• Về công vận hành: tự chạy nghĩa là bạn lo cập nhật, giám sát và khắc phục sự cố.

Cấu hình cho việc tự chạy nằm ở bài Ollama cần bao nhiêu RAM.

Câu hỏi thường gặp

DeepSeek API dùng ở Việt Nam có bị chặn không?

Gọi API bình thường, không cần công cụ vượt tường. Điều cần quan tâm không phải khả năng kết nối mà là chính sách dữ liệu: request đi tới máy chủ đặt tại Trung Quốc, nên hãy cân nhắc loại dữ liệu trước khi tích hợp vào sản phẩm phục vụ khách hàng.

Chất lượng tiếng Việt của DeepSeek so với Gemini hay GPT thế nào?

Với các việc phổ thông như tóm tắt, phân loại, viết nháp thì khoảng cách đã rất hẹp và nhiều người dùng không phân biệt được. Khác biệt lộ ra ở suy luận dài, chỉ dẫn phức tạp nhiều ràng buộc và văn phong tinh tế. Cách quyết định đúng vẫn là chạy thử bộ câu hỏi thật của bạn.

Cache ngữ cảnh có tự động không hay phải bật?

Hệ thống tự nhận diện phần đầu prompt trùng nhau giữa các request, bạn không phải bật gì, nhưng phải viết prompt đúng cách để hưởng: phần cố định đặt lên đầu và giữ nguyên tuyệt đối, phần thay đổi xuống dưới. Chỉ cần đổi một dấu cách ở đoạn đầu là mất hiệu lực cache.

Nên dùng DeepSeek cho chatbot chăm sóc khách hàng không?

Được nếu nội dung hội thoại không chứa dữ liệu nhạy cảm và bạn chấp nhận rủi ro gián đoạn. Với chatbot chạm tới thông tin cá nhân khách hàng, phương án an toàn hơn là model chạy nội bộ trên VPS hoặc nhà cung cấp có cam kết dữ liệu rõ ràng ở bậc trả phí.

Bài viết liên quan

• DeepSeek API vs self-host: khi nào nên thuê GPU, khi nào dùng API
• So sánh giá AI API 2026: Gemini, GPT, Claude, DeepSeek
• Chọn model Ollama tiếng Việt 2026: Qwen, Gemma hay Llama?