DeepSeek, GLM, Qwen hợp với việc gì?
DeepSeek, GLM (Zhipu AI) và Qwen (Alibaba Cloud) là các họ model của nhà cung cấp Trung Quốc. Các bản flash của chúng có đơn giá token thấp, hợp với việc chạy khối lượng lớn mà mỗi lượt không cần suy luận sâu: tóm tắt log, phân loại issue, sinh test lặp lại, đọc tài liệu dài, hay làm model chạy nền cho coding agent.
Việc cần suy luận nhiều bước hay sửa code lớn thì nên so chi phí mỗi bước với các model GPT và Claude ở bài bảng giá API GPT, Claude theo token rồi mới chọn, thay vì chọn theo tên model.
Đơn giá DeepSeek, GLM, Qwen theo 1 triệu token
Bảng dưới đọc trực tiếp từ hệ thống bán hàng mỗi lần trang được tải và chỉ gồm các model DeepSeek, GLM, Qwen đang bán. Đơn giá tính bằng USD cho 1 triệu token, tách input (ngữ cảnh gửi lên), cache hit (phần ngữ cảnh lặp lại được phục vụ từ cache) và output (phần model sinh ra); cột cuối quy đơn giá output ra tiền Việt theo giá mỗi $1 của gói.
| Model | Input | Cache hit | Output | 1M output ≈ VND |
|---|---|---|---|---|
| Deepseek V4.1 Flashdeepseek-v4.1-flash | $0.15 | $0.003 | $0.60 | 891đ → 450đ |
| GLM 5.3glm-5.3 | $1.40 | $0.26 | $4.40 | 6.534đ → 3.300đ |
| GLM 5.3 Flashglm-5.3-flash | $0.15 | $0.03 | $0.50 | 743đ → 375đ |
| Qwen3.8 Flashqwen3.8-flash | $0.15 | $0.016 | $0.47 | 698đ → 353đ |
Một bước coding agent tốn bao nhiêu?
Coding agent gửi lại gần hết ngữ cảnh ở mỗi bước, nên đơn giá cache hit chiếm phần lớn chi phí. Bảng dưới tính một bước minh hoạ gồm 150.000 token cache hit, 30.000 token input mới và 4.000 token output cho từng model của nhóm này, kèm số bước mà $5 dùng thử trả được.
Đây là giả định để so sánh, không phải số đo của bạn. Muốn tính theo khối lượng thật, dùng công cụ tính chi phí token.
| Model | Một bước (USD) | Một bước qua gói Starter | Số bước với $5 dùng thử |
|---|---|---|---|
| Deepseek V4.1 Flashdeepseek-v4.1-flash | $0.0074 | ≈11đ | 680 bước |
| GLM 5.3glm-5.3 | $0.099 | ≈146đ | 50 bước |
| GLM 5.3 Flashglm-5.3-flash | $0.011 | ≈16đ | 454 bước |
| Qwen3.8 Flashqwen3.8-flash | $0.0088 | ≈13đ | 569 bước |
Gọi thử bằng một request
Các model này đi qua endpoint OpenAI-compatible https://steyg.one/api/v1, dùng chung API key với GPT và Claude. Request dưới dùng model id lấy từ danh mục đang bán lúc tải trang; đặt key vào biến môi trường STEYG_CODE_API_KEY trước khi chạy, đừng dán key vào lệnh hay file trong repository.
max_tokens không bắt buộc, như OpenAI API; đặt nó khi muốn giới hạn chi phí tối đa của mỗi request. Danh sách model id mà key của bạn gọi được có ở GET /api/v1/models; đổi model là đổi một trường model.
curl https://steyg.one/api/v1/chat/completions \
-H "Authorization: Bearer $STEYG_CODE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"qwen3.8-flash","max_tokens":256,"messages":[{"role":"user","content":"Viết hàm Python đảo ngược một chuỗi"}]}'Dùng trong Cursor, Cline hay code của bạn
Tool nào cho khai báo provider OpenAI-compatible đều gọi được nhóm model này: đặt base URL https://steyg.one/api/v1, API key STEYG Code và model id ở bảng trên. Riêng Cursor nên thêm tiền tố steyg/ trước model id để không trùng tên model có sẵn của Cursor. Các bước cho từng tool có ở bài cấu hình Cursor, Cline, Claude Code với STEYG Code.
Trong code, OpenAI SDK (TypeScript, Python) chỉ cần đổi baseURL và apiKey; phần gọi chat.completions.create giữ nguyên. Ví dụ đầy đủ có trong tài liệu API.
Trước khi chọn model
Vài điểm nên biết khi đưa nhóm model này vào workflow:
- Gọi đúng model id có trong danh mục; id không có trả lỗi “Requested model
…is not available in STEYG Code” kèm đúng id đã gửi. - Request chạy đúng model bạn chỉ định hoặc trả lỗi; gateway không âm thầm đổi sang model khác.
- Sổ ghi request chỉ có số token, chi phí, model và độ trễ, không lưu nội dung prompt hay response (chính sách bảo mật).
- Uptime từng model được đo độc lập và công khai tại trang tình trạng hệ thống.
- Tài khoản mới có $5 ngân sách dùng thử trong 7 ngày, không cần thẻ; khi cần thêm, mua gói bằng VND qua chuyển khoản (bảng gói ở bài mua API bằng VND).