Claude Opus 5 hiện có chi phí cao gấp ba lần so với Opus 4.8 cho cùng một khối lượng công việc, mặc dù cả hai mô hình đều niêm yết cùng một mức giá trên mỗi token. Thủ phạm chính là tính năng "adaptive thinking" mặc định, vốn âm thầm tiêu tốn các token đầu ra dưới dạng suy luận ẩn. Việc tắt tính năng này sẽ giúp khôi phục sự cân bằng về chi phí mà không làm ảnh hưởng đến độ chính xác.

Tại sao lại có sự chênh lệch về giá

Cả hai phiên bản đều tính phí 5 USD cho mỗi triệu token đầu vào và 25 USD cho mỗi triệu token đầu ra. Trong các bài kiểm tra hiệu năng (benchmarks) của chúng tôi, hóa đơn của Opus 5 cao hơn 3,1 lần so với Opus 4.8 khi chạy các câu lệnh (prompts) giống hệt nhau. Khoản phí tăng thêm không đến từ giá niêm yết cao hơn; nó được tích hợp vào cách Opus 5 hạch toán quá trình suy nghĩ nội bộ của mình.

Tính năng adaptive thinking hoạt động như thế nào

Khi tính năng adaptive thinking được bật, mô hình sẽ thực hiện thêm các bước suy luận nội bộ trước khi đưa ra câu trả lời cuối cùng. Quá trình suy luận đó được tính là token đầu ra, mặc dù người dùng không bao giờ nhìn thấy chúng. Đối với các truy vấn đơn giản, có từ 42% đến 95% số token đầu ra bị tính phí là các suy luận ẩn này. Do đó, một bài toán số học đơn giản lẽ ra chỉ tạo ra một chữ số có thể tạo ra hàng chục token không hiển thị, làm tăng chi phí một cách đáng kể.

Tính năng này không phải là một lỗi—các nhà thiết kế của Claude dự định dùng nó để cải thiện chất lượng câu trả lời trong các tác vụ phức tạp. Trong thực tế, việc suy luận ẩn thường mang lại mức tăng độ chính xác khiêm tốn đối với các câu lệnh khó, đặc biệt là khi mô hình phải thực hiện chuỗi nhiều bước hoặc tương tác với các công cụ bên ngoài.

Cách kiểm soát chi phí

Mô hình chấp nhận một tham số duy nhất để tắt tính năng adaptive thinking:

{
  "thinking": {"type": "disabled"}
}

Áp dụng cài đặt này cho Opus 5 sẽ đưa chi phí trên mỗi tác vụ xuống đúng mức mà Opus 4.8 tính phí, trong khi độ chính xác của kết quả vẫn giữ nguyên đối với các khối lượng công việc đơn giản mà chúng tôi đã thử nghiệm.

Khi nào nên tắt

  • Trích xuất dữ liệu từ văn bản
  • Các thao tác định dạng (ví dụ: chuyển đổi JSON)
  • Các lệnh gọi đơn bước, nơi câu trả lời là một tra cứu trực tiếp hoặc một phép tính đơn giản

Việc tắt tư duy trong những trường hợp này sẽ loại bỏ "thuế token ẩn" và giúp hóa đơn dễ dự đoán hơn.

Khi nào nên bật

  • Các tác vụ yêu cầu chuỗi logic sâu hoặc suy luận sắc thái
  • Các quy trình làm việc của agent gọi các công cụ bên ngoài lặp đi lặp lại

Trong các kịch bản sử dụng nhiều công cụ, khoảng cách chi phí thu hẹp xuống còn khoảng 33% vì mô hình tốn ít hơn cho việc suy luận nội bộ trong khi lặp qua các lệnh gọi công cụ.

Các khác biệt đáng chú ý khác

  • Context window: Opus 5 có thể chứa tới một triệu token, điều mà chúng tôi đã xác minh bằng cách truy xuất một chuỗi mục tiêu được đặt tại token thứ 969.950.
  • Cache floor: Kích thước cache tối thiểu giảm xuống còn 512 token, bằng một nửa so với Opus 4.8, ảnh hưởng đến lượng hội thoại trước đó mà mô hình có thể tái sử dụng mà không cần token hóa lại.

Những điều cần lưu ý tiếp theo

Các nhà phát triển nên theo dõi báo cáo sử dụng cho "reasoning tokens" hoặc các mục tương tự cho thấy tính năng adaptive thinking đang hoạt động. Khi có nhiều ứng dụng áp dụng Claude cho các hoạt động theo kiểu agent hơn, sự đánh đổi giữa chi phí và chất lượng sẽ trở thành một quyết định tối ưu hóa quan trọng. Các bản cập nhật trong tương lai có thể cho phép người dùng điều chỉnh độ sâu của suy luận thay vì chỉ có một công tắc bật/tắt hoàn toàn, điều này có thể giúp làm mượt biểu đồ chi phí.

Tóm tắt: Tính năng adaptive thinking mặc định của Opus 5 làm tăng lượng sử dụng token trong các tác vụ dễ. Hãy tắt nó bằng cài đặt đơn giản ở trên để khớp với chi phí của Opus 4.8, và chỉ bật nó khi việc suy luận thêm thực sự xứng đáng với chi phí bỏ ra thêm.