Có một câu hỏi tôi gặp đi gặp lại khi nói chuyện với người mới dựng trợ lý AI: "Tôi dùng Hermes, OpenClaw rồi mà sao vẫn bị trừ phí API?"
Lần đầu tôi giải thích ngắn. Lần sau giải thích dài hơn. Đến lần thứ ba tôi mới thấy vấn đề không nằm ở cách giải thích. Người hỏi đang gộp ba thứ khác nhau vào một chữ "AI": Hermes, OpenClaw, GoClaw, Claude Code; Claude, ChatGPT, Gemini; Llama, Qwen, Gemma. Chín cái tên, ba loại hoàn toàn khác.
Hồi làm trợ lý Tổng giám đốc, mỗi lần duyệt chi tôi phải trả lời ba câu: ai đặt việc, ai làm, ngân sách nào trả. Với AI cũng vậy. Tôi gom lại thành khung Vỏ, Não, Ví.
Ba câu hỏi
- Vỏ nào đang điều khiển? Hermes, OpenClaw, GoClaw, Claude Code, hay một ứng dụng bạn tự làm. Vỏ là phần mềm nhận việc, nhớ mục tiêu, chia nhỏ, gọi công cụ, lặp lại tới khi xong. Tự nó không nghĩ ra câu trả lời nào.
- Não nào đang suy nghĩ? Claude, ChatGPT, Gemini chạy trên máy chủ của nhà cung cấp. Hoặc Llama, Qwen, Gemma chạy ngay trên máy bạn.
- Ví nào đang trả? Gói thuê tháng, hoặc API tính theo lượng chữ, hoặc tiền điện và tiền máy của nhà bạn.
Điểm mấu chốt: vỏ không suy nghĩ, và cái nào suy nghĩ thì cái đó tính tiền. Bạn giao việc cho Hermes, Hermes chia nhỏ rồi gửi từng phần tới một cái não. Nếu não là Claude trên máy chủ Anthropic, mỗi lượt suy nghĩ là một lần gọi API có hóa đơn.
Phân biệt nhanh AI trên mây và AI trên máy
AI trên mây (cloud) chạy trên máy chủ lớn của hãng, rất giỏi, làm được việc nặng, nhưng cần mạng và dữ liệu của bạn phải gửi đi. Giống gọi tổng đài viên giỏi ở trụ sở chính.
AI trên máy (local) chạy ngay trên máy tính hoặc điện thoại của bạn, dữ liệu không ra ngoài, không cần mạng, nhưng tốn tài nguyên và kém thông minh hơn. Giống một trợ lý ngồi cạnh bàn, chỉ biết những gì bạn kể.
Bốn tổ hợp hay gặp
Ba tầng ghép tự do với nhau, và đó là chỗ gây rối:
- Hermes cộng não Claude trên mây: vẫn trả phí API. Vỏ miễn phí không có nghĩa là não miễn phí.
- Hermes cộng não chạy local: không tốn phí API. Đổi lại máy phải khỏe và câu trả lời kém hơn rõ.
- Gói thuê tháng trên claude.ai hay chatgpt.com: trả cố định. Nhưng không có vỏ nào tự làm việc thay bạn, bạn vẫn phải gõ từng câu.
- Một cái vỏ cho đổi não, như Chạm.HQ: bạn chọn Claude, OpenAI, Gemini, DeepSeek hay Kimi cho từng việc, và đổi được giữa chừng, không bị khóa vào một nhà cung cấp.
Nhìn theo khung này, câu hỏi ban đầu tự có lời đáp. Hermes là vỏ, não đặt trên mây, nên mây tính tiền.
Đọc hóa đơn theo ba tầng
Lấy một ví dụ minh họa. Giả sử một chủ shop dùng ba cái vỏ: một trợ lý trả lời khách, Claude Code để sửa web, một quy trình tự soạn bài. Bảng điều khiển của trợ lý trả lời khách báo vài đô một tháng. Tiền API cả ba vỏ cộng lại khoảng hai mươi đô. Còn tổng hóa đơn AI, tính cả mấy gói thuê tháng, khoảng tám mươi đô.
Ba con số đều đúng, nhưng đo ba thứ khác nhau: một cái vỏ, cả cái não, và cả cái ví. Người nhìn nhầm tầng sẽ ra quyết định sai.
Để ước tiền não, bạn cần bảng giá. Ví dụ Claude Opus 5 tính 5 đô cho mỗi triệu chữ vào và 25 đô cho mỗi triệu chữ ra. Tìm kiếm web tính riêng, 10 đô cho 1.000 lượt.
Biết tiền chảy ở tầng nào thì mới sửa được. Một lỗi rất hay gặp ở các cái vỏ: phần bối cảnh dài vài nghìn chữ bị gửi lại nguyên vẹn mỗi lượt, và chi phí tìm kiếm web không hiện trên màn hình. Nhìn màn hình thấy rẻ, hóa đơn thì không. Bật bộ nhớ đệm cho phần bối cảnh, phần chữ vào lặp lại chỉ còn tính khoảng một phần mười giá. Khi ba tầng nhập thành một khối mờ, bạn chỉ còn biết than "sao AI đắt thế".
Có nên mua máy để chạy AI ở nhà?
Đây là chỗ nhiều người bị dụ theo cả hai hướng, nên tôi viết kỹ.
Về máy: tối thiểu để chạy được một model tử tế là 16 GB RAM cộng card đồ họa từ 6 GB, hoặc một máy Mac chip Apple. Card 8 GB chạy được model cỡ 7 đến 9 tỉ tham số như Llama 3.1 8B hay Qwen3 8B. Muốn tới cỡ 70 tỉ tham số, mức bạn bắt đầu thấy nó thông minh thật, cần từ 48 GB trở lên. Đó là tiền một cái máy, không còn là một cái card.
Về chất lượng: model local năm 2026 đã tiến xa, nhưng vẫn kém các não trên mây hàng đầu khoảng 10 đến 20 phần trăm ở việc cần suy luận nhiều bước. Riêng viết mã thì khoảng cách hẹp lại, có model chỉ còn kém Claude Sonnet 5 khoảng 6 phần trăm. Tóm tắt, dịch, hỏi đáp đơn giản thì local dùng ngang mây.
Về hòa vốn: có một tính toán cho thấy người tiêu 80 đô mỗi tháng cho API trên mây sẽ hoàn tiền một card đồ họa chạy local sau khoảng 7 tháng.
Quay lại ví dụ chủ shop. Nhìn tổng hóa đơn tám mươi đô, anh ấy sẽ nghĩ mình đứng ngay ngưỡng, nên mua máy. Nhưng đó là đọc sai tầng. Card đồ họa chỉ thay được cái não trên mây, không thay được gói thuê tháng hay các dịch vụ khác. Tiền API của anh ấy chỉ khoảng hai mươi đô, bằng một phần tư ngưỡng. Mua máy lúc này là bỏ ra mấy chục triệu để tiết kiệm vài trăm nghìn mỗi tháng, và nhận về câu trả lời kém hơn ở đúng việc làm nhiều nhất.
Chạy local đáng làm khi có một trong hai lý do thật:
- Lượng dùng lớn tới mức tiền API thành gánh nặng.
- Dữ liệu tuyệt đối không được ra khỏi máy.
Không có lý do nào trong hai cái đó, bạn chỉ đang mua thêm việc phải lo.
Mang chìa khóa riêng: trả cho vỏ, thuê não trực tiếp
Nhiều công cụ hiện làm theo kiểu BYOK, viết tắt của "bring your own key": bên làm phần mềm chỉ làm cái vỏ, bạn tự lấy chìa khóa API từ nhà cung cấp và trả tiền não thẳng cho họ. Bên làm vỏ không đứng giữa ăn chênh lệch.
Kiểu này dễ gây hiểu lầm nhất. Người mua thường nghĩ đã trả tiền thì AI phải chạy, sao còn phải tự trả thêm. Theo khung Vỏ, Não, Ví thì rõ: bạn trả cho phần biết chia việc, nhớ mục tiêu, tự chạy tiếp mà không cần ngồi gõ. Còn não thì thuê thẳng từ Anthropic, OpenAI, Google, Moonshot hay DeepSeek, và bạn thấy đúng từng đồng mình tiêu.
Ba câu hỏi không cũ đi
Vài tháng nữa sẽ có thêm hàng chục cái tên mới, vỏ mới, não mới, và người bán nào cũng nói cái của họ khác hẳn. Bạn chỉ cần hỏi lại ba câu: vỏ nào điều khiển, não nào suy nghĩ, ví nào trả tiền. Ba câu đó bóc được gần hết lời quảng cáo.
Lần tới có người hỏi bạn sao dùng Hermes rồi vẫn bị trừ phí, bạn trả lời gọn: Hermes là vỏ, não đang ở trên mây nên mây tính tiền. Muốn đỡ tiền thì đổi não, đừng đổi vỏ.
Việc làm ngay hôm nay: mở hóa đơn AI tháng gần nhất, chia thành ba cột Vỏ, Não, Ví, và ghi mỗi khoản vào đúng cột. Mười lăm phút là bạn biết tiền mình đang chảy ở đâu.
