Tiếng Việt cần nhiều hơn tiếng Anh bao nhiêu token?
Tiếng Việt cần nhiều hơn tiếng Anh 49 % token cho cùng một văn bản trên ChatGPT / Copilot. Vì vậy hạn mức của bạn hết nhanh hơn khoảng 49 %, bộ nhớ trò chuyện đầy nhanh hơn cũng chừng ấy, và câu trả lời cũng lâu hơn chừng ấy. Tiếng Việt đứng thứ 163 trong 203 ngôn ngữ, với 1 là đắt nhất. Trên 6 bộ tách token AI hiện nay, thuế ngôn ngữ dao động từ 30 % (Qwen) đến 112 % (DeepSeek).
| Mô hình | Bộ tách token | Thuế ngôn ngữ |
|---|
| ChatGPT / Copilot | o200k_base | 49 % |
| Gemini | Gemini 3.x (unpublished; = Gemma 4 on text) | 36 % |
| Claude | Claude (unpublished) | 82 % |
| Meta AI / Llama | Llama 4 | 33 % |
| DeepSeek | DeepSeek V3 | 112 % |
| Qwen | Qwen 3.5 (248k) | 30 % |
Thuế ngôn ngữ là gì?
Thuế ngôn ngữ là số token của một ngôn ngữ ÷ số token của tiếng Anh cho cùng một văn bản, theo từng bộ tách token. Petrov và cộng sự (2023) đưa ra khái niệm này để dễ so sánh việc tách token giữa các ngôn ngữ, nhưng gọi nó là phụ phí tách token. Chưa có thuật ngữ tiếng Việt thống nhất; còn gọi là thuế token, tiếng Anh là token tax.
Bộ tách token học vốn từ vựng chủ yếu từ văn bản tiếng Anh, nên các từ tiếng Anh thông dụng vừa một token, còn văn bản tiếng Việt bị cắt thành nhiều mảnh ngắn hơn. Những ngôn ngữ ít văn bản huấn luyện và dùng chữ viết không phải chữ Latinh thường trả nhiều nhất.
Petrov và cộng sự tóm tắt vấn đề: “The same text translated into different languages can have drastically different tokenization lengths” (NeurIPS 2023).
Đo như thế nào?
Mỗi bộ tách token đếm token trong cùng 1.012 câu thuộc phần devtest của FLORES-200, bằng tiếng Việt và tiếng Anh, theo Petrov và cộng sự (NeurIPS 2023). Đếm ngày 2026-10-26.
Token là gì?
Các mô hình AI đọc văn bản dưới dạng token. Trước khi mô hình nhìn thấy văn bản của bạn, bộ tách token cắt nó thành các mảnh. Bạn trả tiền theo token, bộ nhớ trò chuyện được tính bằng token và câu trả lời được viết từng token một. Đây là cách ChatGPT / Copilot cắt một tiêu đề tin khoa học tháng 10/2026, bằng tiếng Việt và tiếng Anh:
Chỉ một buổi học violin đã thay đổi mô hình sóng não khi người mới bắt đầu học chơi
Ch | ỉ | một | bu | ổi | học | violin | đã | thay | đổi | mô | hình | só | ng | não | khi | người | mới | bắt | đầu | học | chơi = 22 token
One violin lesson changes brain wave patterns as beginners learn to play
One | violin | lesson | changes | brain | wave | patterns | as | beginners | learn | to | play = 12 token
Riêng với câu này, tỉ lệ là 22 ÷ 12 = 1,83, tức nhiều hơn tiếng Anh 83 % token. Một câu là quá ít văn bản để có con số đáng tin cậy, vì vậy các con số trên trang này được đo trên 1.012 câu FLORES-200.
Tiếng Việt so với các ngôn ngữ khác thế nào?
Tiếng Việt trả 49 % trên ChatGPT / Copilot, trong khi trung vị của cả 203 ngôn ngữ là 75 %.
Làm sao để giảm thuế ngôn ngữ?
Cách đơn giản nhất là trò chuyện bằng tiếng Anh, nếu bạn thấy thoải mái. Các cách khác khó khuyên hơn, vì các mô hình không chỉ khác nhau về thuế ngôn ngữ mà còn về chất lượng câu trả lời trên mỗi token.
Câu hỏi về thuế ngôn ngữ
Có phải ngôn ngữ nào cũng trả thuế ngôn ngữ?
Gần như tất cả. Trên ChatGPT / Copilot, cả 203 ngôn ngữ đều cần nhiều token hơn tiếng Anh, từ 23 % (Portuguese) đến 1 273 % (Santali), và ngôn ngữ trung vị trả 75 %. Trên cả 6 mô hình của trang này, ngoại lệ duy nhất là Chinese (Simplified): DeepSeek −6 %, Qwen −9 %; Yue Chinese: Qwen −3 %.
Vì sao tiếng Trung trả ít hơn trên các mô hình Trung Quốc?
Tiếng Trung giản thể trả 25 % trên ChatGPT / Copilot, nhưng −9 % trên Qwen và −6 % trên DeepSeek. Alibaba (Qwen) và DeepSeek xây dựng bộ tách token từ nhiều văn bản tiếng Trung hơn hẳn, nên các từ tiếng Trung thông dụng có token riêng. Bộ tách token rẻ nhất với những ngôn ngữ mà nó được xây dựng cho.
Thuế ngôn ngữ của các ngôn ngữ lớn nhất là bao nhiêu?
Các ngôn ngữ được nói nhiều nhất, cùng tiếng Việt, trên cả 6 mô hình:
| ChatGPT / Copilot | Gemini | Claude | Meta AI / Llama | DeepSeek | Qwen |
|---|
| Chinese (Simplified) | 25 % | 8 % | 14 % | 6 % | −6 % | −9 % |
| Spanish | 32 % | 29 % | 45 % | 30 % | 50 % | 31 % |
| Hindi | 57 % | 30 % | 116 % | 65 % | 180 % | 98 % |
| Standard Arabic | 38 % | 45 % | 81 % | 59 % | 62 % | 30 % |
| Portuguese | 23 % | 25 % | 37 % | 23 % | 42 % | 23 % |
| Russian | 42 % | 35 % | 32 % | 23 % | 58 % | 35 % |
| Japanese | 66 % | 21 % | 26 % | 31 % | 42 % | 16 % |
| French | 37 % | 40 % | 48 % | 37 % | 55 % | 38 % |
| German | 31 % | 32 % | 72 % | 30 % | 51 % | 30 % |
| Vietnamese | 49 % | 36 % | 82 % | 33 % | 112 % | 30 % |
Mô hình AI nào có thuế ngôn ngữ thấp nhất?
Tính theo ngôn ngữ trung vị: ChatGPT / Copilot 75 %, Gemini 81 %, Claude 84 %, Meta AI / Llama 86 %, Qwen 90 % và DeepSeek 107 %.
Ngôn ngữ nào trả ít nhất?
Tiếng Anh, ngôn ngữ dùng làm mốc so sánh (0 %). Chỉ tiếng Trung trên các mô hình Trung Quốc trả còn ít hơn, xem ở trên. Sau tiếng Anh, năm ngôn ngữ rẻ nhất trên ChatGPT / Copilot là Portuguese 23 %, Dutch 25 %, Chinese (Simplified) 25 %, Indonesian 25 % và Standard Malay 30 %.
Ngôn ngữ nào trả nhiều nhất?
Số người bản ngữ lấy từ Wikipedia (điều tra dân số và Ethnologue). 10 ngôn ngữ đắt nhất trong 203 ngôn ngữ trên ChatGPT / Copilot, kèm thuế ngôn ngữ và số người bản ngữ:
- Santali 1 273 %: khoảng 7.600.000 người bản ngữ, chủ yếu ở India, Bangladesh, Nepal; chữ viết: Ol Chiki.
- Tamasheq 921 %: khoảng 900.000 người bản ngữ, chủ yếu ở Mali, Burkina Faso; chữ viết: Tifinagh. Con số chưa chắc chắn.
- Central Atlas Tamazight 915 %: khoảng 2.700.000 người bản ngữ, chủ yếu ở Morocco; chữ viết: Tifinagh. Con số chưa chắc chắn.
- Dzongkha 803 %: khoảng 171.000 người bản ngữ, chủ yếu ở Bhutan; chữ viết: Tibetan. Con số chưa chắc chắn.
- Lao 723 %: khoảng 3.700.000 người bản ngữ, chủ yếu ở Laos; chữ viết: Lao.
- Standard Tibetan 713 %: khoảng 1.200.000 người bản ngữ, chủ yếu ở China (Tibet), India, Nepal; chữ viết: Tibetan. Con số chưa chắc chắn.
- Shan 693 %: khoảng 4.700.000 người bản ngữ, chủ yếu ở Myanmar, Thailand; chữ viết: Myanmar (Shan). Con số chưa chắc chắn.
- Tigrinya 500 %: khoảng 9.900.000 người bản ngữ, chủ yếu ở Eritrea, Ethiopia; chữ viết: Ge'ez.
- Amharic 482 %: khoảng 31.800.000 người bản ngữ, chủ yếu ở Ethiopia; chữ viết: Ge'ez.
- Odia 399 %: khoảng 34.000.000 người bản ngữ, chủ yếu ở India (Odisha); chữ viết: Odia.
Các ngôn ngữ dùng chữ viết khác có trả nhiều hơn không?
Tính trung bình thì không: trên ChatGPT / Copilot, ngôn ngữ trung vị dùng chữ Latinh trả 72 % và ngôn ngữ trung vị dùng chữ viết khác trả 79 %. Nhưng các ngôn ngữ đắt nhất đều có chữ viết riêng, chẳng hạn Santali (Ol Chiki), Tamasheq (Tifinagh), Dzongkha (Tibetan), Lao và Shan (Myanmar).
Làm sao đo thuế ngôn ngữ của văn bản của tôi?
Đếm số token của văn bản và bản dịch tiếng Anh của nó bằng bộ tách token của mô hình bạn dùng, rồi chia số thứ nhất cho số thứ hai. Bộ tách token của OpenAI là công khai; Anthropic và Google đếm token qua API của họ. Một câu chỉ cho con số ước lượng; càng nhiều văn bản càng đáng tin.
Tác giả: Sara Moricz, nhà khoa học dữ liệu nghiên cứu. Cập nhật 2026-10-26.
In English
Vietnamese needs 49 % more tokens than English for the same text on ChatGPT / Copilot. So your quota runs out about 49 % faster, chat memory fills up just as much faster, and answers take just as much longer. Vietnamese ranks 163 of 203 languages, where 1 is the most expensive. Across 6 current AI tokenizers, the token tax ranges from 30 % (Qwen) to 112 % (DeepSeek). Measured on 1,012 FLORES-200 sentences.