Vì sao Hermes Agent hao token? Mình đo 30 ngày trên máy thật và 7 cách giảm
Số liệu thật từ 410 phiên Hermes trong 30 ngày: token đi đâu, vì sao phiên dài tốn gấp 14 lần, hết hạn mức gói Claude/ChatGPT nhanh vì đâu, bẫy tự chuyển sang trả tiền, và 7 cách giảm có lệnh cụ thể.
- 1Mỗi tin gửi lại cả lịch sử
- 2Bước tự xem lại chạy ngầm
- 3Phiên ngắn, model hợp việc
Mục lục17 mục
Trong nhóm Facebook về Hermes tiếng Việt có bạn than: hỏi loanh quanh vài câu mà hai tài khoản ChatGPT Plus đã hết hạn mức. Hermes tự ghi lại số token của từng phiên ngay trong máy, nên mình mở dữ liệu 30 ngày gần nhất trên máy mình ra đếm.
Số liệu đo ngày 02/11/2026, Hermes v0.22.5, từ 03/10 đến 02/11. Máy mình chạy khá nặng (nhiều profile, hàng chục lịch tự động), nên số của bạn sẽ nhỏ hơn nhiều. Cách token bị tiêu thì giống nhau.
Bạn dùng gói hay trả theo token?
Hao token ảnh hưởng tới bạn theo hai kiểu khác nhau:
| Bạn dùng | Token tính vào đâu | Hao token thì |
|---|---|---|
| Gói Claude (Pro, Max, Ultra) hoặc gói ChatGPT (Plus, Pro) | Hạn mức của gói. Claude giới hạn theo khung 5 giờ và theo tuần. Từ tháng 12 tới, OpenAI gộp hạn mức ChatGPT và Codex làm một, đo bằng token | Hết hạn mức sớm, phải chờ reset, nâng gói hoặc mua thêm |
| OpenRouter, API key, trả theo token | Tiền | Hóa đơn tăng |
Mình đã đi qua cả hai kiểu, số liệu Hermes tự ghi trên máy:
| Tháng | Mình dùng chủ yếu | Token | Chi phí |
|---|---|---|---|
| 9/2026 | DeepSeek V4 Pro, V4 Flash, Qwen 3.8 Max qua OpenRouter, trả theo token | khoảng 1,07 tỷ | khoảng 200 USD (Hermes ước tính), tháng nào dùng nhiều thì tăng |
| 10/2026 | Gói Claude Max 5x (100 USD) và gói ChatGPT Plus (20 USD) cho Codex | khoảng 4,1 tỷ, gấp 4 lần tháng 9 | 120 USD cố định cho 2 gói, cộng khoảng 55 USD DeepSeek qua OpenRouter cho việc phụ. Riêng phần token Claude, nếu trả theo giá API sẽ vào khoảng 2.200 USD |
Model rẻ qua OpenRouter vẫn rất đáng dùng khi bạn mới bắt đầu hoặc dùng ít. Khi đã dùng Hermes hằng ngày như mình, gói cố định rẻ hơn hẳn và không phải lo hóa đơn nhảy theo tháng.
Token của mình đi đâu trong 30 ngày
| Chỉ số | Số đo |
|---|---|
| Số phiên | 410 |
| Token đầu vào (gửi lên model) | khoảng 3,75 tỷ |
| Token đầu ra (model viết ra) | khoảng 19,6 triệu |
| Tỷ lệ vào : ra | 192 : 1 |
| Phần đầu vào được đọc từ cache | 91% |
Nói dễ hiểu: cứ model viết ra 1 token thì Hermes đã gửi lên 192 token. Model viết ra rất ít. Gần như toàn bộ token là phần đọc lại: lời dặn hệ thống, , trí nhớ, danh sách công cụ, và cả lịch sử trò chuyện, gửi lại sau mỗi tin nhắn.
Nhờ cache (nhà cung cấp model nhớ phần đầu cuộc trò chuyện và tính rẻ hơn khi gặp lại), 91% phần đọc lại được tính giá thấp. Không có cache thì còn đắt hơn nhiều lần.
Phiên dài tốn gấp 14 lần phiên ngắn
| Loại phiên | Token đầu vào trung bình cho MỖI tin nhắn |
|---|---|
| Phiên ngắn (20 tin trở xuống) | khoảng 14 nghìn |
| Phiên dài (trên 100 tin) | khoảng 197 nghìn |
Cùng một câu hỏi, gửi ở tin thứ 150 của một phiên tốn gấp khoảng 14 lần so với gửi ở một phiên mới. Dùng gói thì nghĩa là phiên dài làm bạn chạm hạn mức nhanh hơn chừng đó lần. Trang giá của Claude cũng ghi rõ: bạn chạm giới hạn nhanh hay chậm phụ thuộc vào model, độ dài cuộc trò chuyện và kích thước file.
Nếu trả theo token, quy ra tiền cho dễ hình dung (ước tính theo giá API, đã tính phần cache, tỷ giá ngày 02/11): với Claude Opus, một tin nhắn ở phiên dài tốn khoảng 3.400đ, ở phiên ngắn khoảng 240đ. Với DeepSeek V4 Flash là khoảng 340đ và 24đ. Phiên lớn nhất trên máy mình có 487 tin nhắn và đọc hơn 1 tỷ token đầu vào. Đó là một phiên mình để mở nhiều ngày, làm đủ thứ việc trong cùng một cửa sổ.
Vì vậy hỏi loanh quanh trong một phiên đã dài mới tốn: câu hỏi nhỏ nào cũng kéo theo cả đống lịch sử phía sau.
Bước chạy ngầm chiếm 9% token
Cứ sau một số lượt trò chuyện (mặc định khoảng 10 lượt), Hermes chạy ngầm một bước gọi là background review: tự xem lại cuộc trò chuyện để quyết định có ghi gì vào trí nhớ hay tạo, sửa không. Đây là cơ chế "tự học" của Hermes.
Trên máy mình, bước này chiếm khoảng 355 triệu token trong 30 ngày, tức khoảng 9% tổng token đầu vào và 12% chi phí ước tính. Mặc định nó chạy trên đúng model bạn đang chat. Bạn chat bằng model đắt thì bước này cũng chạy bằng model đắt.
Model chính quyết định phần lớn chi phí
Hermes tự ước tính chi phí theo bảng giá API của từng model. Chia tổng chi phí ước tính cho tổng token đầu vào trên máy mình (đã gồm phần cache và phần model viết ra), được:
| Model | Chi phí ước tính cho mỗi 1 triệu token gửi lên |
|---|---|
| Claude Opus (model lớn) | khoảng 17.200đ |
| DeepSeek V4 Flash (model nhỏ, rẻ) | khoảng 1.700đ |
Chênh nhau khoảng 10 lần. Nếu bạn trả theo token, chọn model là chỗ quyết định tiền nhiều nhất. Dùng gói thì model lớn cũng ăn hạn mức nhanh hơn model nhỏ.
Bẫy khi dùng gói: hết hạn mức thì Hermes có thể tự chuyển sang trả tiền
Hermes cho đặt nhà cung cấp dự phòng (fallback_providers): khi model chính báo lỗi hoặc hết hạn mức, Hermes tự chuyển sang dự phòng để bạn làm việc tiếp. Nếu dự phòng là một API key trả theo token, mỗi lần chuyển là tốn tiền thật, và bạn thường không để ý.
Trên máy mình, từ 18/10 đến 26/10, mỗi khi gói Claude báo lỗi hoặc chạm hạn mức, Hermes chuyển sang API key dự phòng. Cộng lại là 281 lần gọi, đọc khoảng 90 triệu token, tính theo token. Mình không mất thêm tiền vì key đó dùng khoản API credit 100 USD/tháng đi kèm gói Max. Nhưng nếu dự phòng của bạn là một API key tự nạp tiền, đây là khoản phát sinh rất dễ bị bỏ sót.
Ba chỗ cần kiểm:
- Gõ
hermes fallback listxem dự phòng của bạn là gì. Không muốn tốn tiền thì để dự phòng là một model rẻ, hoặc không đặt dự phòng. - Nếu dự phòng là API key, đặt giới hạn chi tiêu (spend limit) ngay trên trang quản lý của nhà cung cấp. Gói Claude Max và Ultra có tặng API credit hằng tháng, dùng làm dự phòng là hợp lý.
- Xem mức đã dùng của gói: Claude ở claude.ai/settings/usage, ChatGPT ở Settings → Usage. Riêng Claude, tài liệu Hermes hiện ghi rằng đăng nhập OAuth chỉ tiêu phần "extra usage" trả thêm. Tài khoản Max 5x của mình chạy Hermes qua đường này cả tháng 10, trang Usage không bị trừ extra usage, Hermes chạm đúng giới hạn của gói. Có thể tài liệu chưa cập nhật, nhưng bạn vẫn nên tự xem trang Usage sau vài ngày đầu. Hướng dẫn chọn nguồn model nằm ở bài chọn model cho Hermes.
7 cách giảm, từ dễ đến khó
1. Mỗi việc một phiên mới
Xong một việc thì gõ /new. Tài liệu Hermes cũng khuyên vậy: phiên mới đọc lại trí nhớ đã cập nhật và không phải kéo theo lịch sử cũ. Theo số đo ở trên, đây là cách đỡ tốn nhất mà gần như không mất công.
Nếu đang làm dở mà phiên đã dài, gõ /compress để Hermes tóm gọn phần cũ (thêm --preview để xem trước nó sẽ cắt gì).
2. Đừng đổi model giữa chừng một phiên dài
Cache gắn với model và tài khoản. Đổi model bằng /model, hoặc Hermes tự chuyển sang nhà cung cấp dự phòng, thì tin tiếp theo phải đọc lại toàn bộ cuộc trò chuyện với giá đầy đủ. Muốn dùng model khác thì mở phiên mới.
3. Chuyển background review sang model rẻ
Nhờ Hermes sửa cấu hình giúp, copy dán:
Mình muốn giảm token cho bước background review.
Hãy đổi auxiliary.background_review sang model [TÊN MODEL RẺ] của nhà cung cấp [TÊN],
giữ nguyên model chat chính. Cho mình xem cấu hình trước và sau khi sửa,
rồi mới lưu.
Tài liệu Hermes ghi rằng chạy bước này trên model khác rẻ hơn khoảng 3 đến 5 lần, và trong thử nghiệm của họ, việc ghi nhớ gần như không kém đi. Nếu bạn chat bằng gói Claude hoặc ChatGPT, chuyển bước này sang model khác cũng giúp hạn mức gói dành cho việc chính, đổi lại một khoản nhỏ trả theo token. Nếu chưa cần Hermes tự học, có thể tắt hẳn (auxiliary.background_review.enabled: false) hoặc giãn nhịp bằng memory.nudge_interval và skills.creation_nudge_interval.
4. Giữ file ngữ cảnh ngắn
SOUL.md, AGENTS.md và trí nhớ được gửi kèm mọi tin nhắn, nên ký tự nào trong các file này cũng bị tính token. Một SOUL.md 3 trang nhân lên hàng trăm tin nhắn mỗi ngày là một khoản đáng kể. Giữ những gì thật sự cần, phần hướng dẫn dài thì chuyển thành skill (chỉ nạp khi dùng tới).
5. Việc kiểm tra đơn giản thì chạy script, không gọi AI
Trong 61 lịch định kỳ trên máy mình, 50 lịch chạy bằng script không gọi model: kiểm giá, kiểm trang có đổi không, gom số liệu. Chỉ khi có gì đáng báo thì mới cần AI viết. Cả 127 phiên chạy theo lịch trong 30 ngày chỉ chiếm khoảng 1% tổng token. Nhờ Hermes: "Lịch này chỉ cần so một con số, viết lại thành script chạy theo lịch không dùng agent."
6. Cẩn thận với thứ được dán vào cuộc trò chuyện
Mỗi lần Hermes đọc một file dài, một trang web hay kết quả lệnh dài, nội dung đó nằm lại trong lịch sử và bị gửi lại ở mọi tin sau. Dặn Hermes "chỉ đọc phần liên quan" hoặc "tóm tắt rồi mới làm tiếp" khi xử lý tài liệu lớn.
7. Chọn model theo việc
Việc nhẹ như tóm tắt, phân loại, nhắc việc thì dùng model nhỏ. Việc cần suy nghĩ kỹ mới dùng model lớn. Như bảng ở trên, hai loại có thể chênh nhau 10 lần.
Tự đo trên máy bạn
Hermes có sẵn lệnh để bạn xem token của chính mình:
/usage: token và hạn mức của phiên đang mở./insights 30(hoặchermes insights --days 30trong cửa sổ dòng lệnh): tổng hợp token, chi phí ước tính, công cụ dùng nhiều trong 30 ngày.
Muốn Hermes tự phân tích giúp, copy dán:
Hãy chạy hermes insights --days 30 và giải thích cho mình bằng tiếng Việt:
token của mình đi vào đâu nhiều nhất, phiên nào dài bất thường,
và 3 thay đổi đơn giản nhất để giảm token mà không làm kém chất lượng.
Chỉ đề xuất, chưa sửa cấu hình khi mình chưa đồng ý.
Áp vào cách dùng của bạn
| Nếu bạn | Làm trước |
|---|---|
| Dùng gói Claude hoặc ChatGPT và hay hết hạn mức | Cách 1 và 2: phiên ngắn, không đổi model giữa chừng. Kiểm dự phòng bằng hermes fallback list |
| Trả theo token qua OpenRouter | Cách 3 và 7: background review sang model rẻ, model nhỏ cho việc nhẹ |
| Có nhiều lịch tự động | Cách 5: chuyển lịch kiểm tra sang script |
| Có SOUL.md hoặc AGENTS.md dài | Cách 4: rút gọn, chuyển hướng dẫn dài thành skill |
Bạn đo được số khác hẳn của mình, hoặc tìm ra cách giảm khác? Kể lại ở phần bình luận cuối bài để mình bổ sung vào bài.
Nguồn
- Dữ liệu phiên của Hermes trên máy tác giả (
state.db, bảng sessions và session_model_usage), 03/10 đến 02/11/2026, Hermes v0.22.5. Chi phí là ước tính Hermes tự tính theo giá API, không phải hóa đơn. - Tài liệu Hermes Agent, Tips & Best Practices: cache theo model và tài khoản, file ngữ cảnh tính vào mọi tin nhắn. Mở lại 02/11/2026.
- Tài liệu Hermes Agent, AI Providers: bảng gói đăng ký, ghi chú Anthropic OAuth và extra usage, hạn mức Codex chưa được tài liệu hóa. Mở lại 02/11/2026.
- Anthropic, Plans & pricing: giá Pro/Max/Ultra, giới hạn 5 giờ và theo tuần. Mở lại 02/11/2026.
- OpenAI Help Center, Understanding ChatGPT and Codex usage limits: hạn mức ChatGPT và Codex gộp chung từ tháng 12, đo bằng token. Mở lại 02/11/2026.
- Tài liệu Hermes Agent, Persistent Memory: background review chạy trên model chính, chuyển sang model khác rẻ hơn khoảng 3-5 lần, cách tắt; lời khuyên dùng
/new. Mở lại 02/11/2026.
Bạn đã thử xong chưa?
Kể mình nghe bạn làm đến bước nào, kết quả ra sao hoặc chỗ đang vướng ở phần bình luận ngay bên dưới. Nhớ che khóa, mật khẩu và thông tin riêng tư.
Bình luận
Đăng nhập bằng Google để tham gia bình luận và hỏi đáp cùng cộng đồng.