Trước khi đi vào phân tích kỹ thuật, hãy nhìn vào con số chi phí thực tế mà đội ngũ mình đo lường được khi vận hành một Agent xử lý 10 triệu token output mỗi tháng (tháng 1/2026, dữ liệu từ bảng giá công khai của các nhà cung cấp):
- GPT-4.1 — $8/MTok output → $80/tháng
- Claude Sonnet 4.5 — $15/MTok output → $150/tháng
- Gemini 2.5 Flash — $2.50/MTok output → $25/tháng
- DeepSeek V3.2 — $0.42/MTok output → $4.20/tháng
Mức chênh lệch giữa đắt nhất và rẻ nhất lên tới 35.7 lần — một con số đủ lớn để bạn phải cân nhắc không chỉ prompt mà cả định dạng serialize Agent Skills. Vì sao? Vì YAML/JSON ảnh hưởng trực tiếp đến số token đầu vào mà model phải đọc mỗi request, từ đó đẩy chi phí và độ trễ lên hoặc xuống.
Kinh nghiệm thực chiến: Khi 3KB YAML tiêu tốn thêm 18% chi phí
Mình từng phụ trách migrate một hệ thống Agent bán hàng có 47 tool từ YAML sang JSON Schema. Trước khi migrate, payload trung bình mỗi request chứa tool definitions là 3.2KB YAML. Sau khi chuyển sang JSON Schema có validation, payload tăng lên 3.78KB (thêm 18%) do thuộc tính "type": "object" và "required": [...]. Nghe thì nhỏ, nhưng nhân với 1.2 triệu request/tháng thì mình phải trả thêm $14.40/tháng