Hướng dẫn tự dựng bộ công cụ AI: có thay được nhiều gói đăng ký AI không? Cách chia việc và cái giá của Ollama, Nine Router, Headroom, Dify, OpenHands

Bộ công cụ AI tự dựng là cách đưa toàn bộ các khâu như chạy mô hình, định tuyến dự phòng, nén nội dung, xây ứng dụng và agent lập trình sang các công cụ mã nguồn mở chạy trên máy hoặc máy chủ của chính bạn. Cách làm này có thể giúp bạn sắp xếp lại khoản tiền đăng ký, nhưng không đưa hóa đơn về 0: chi phí chuyển thành phần cứng, thời gian bảo trì và việc tự đánh giá mức sử dụng. Dưới đây, dựa trên nội dung video của kênh Fireship, chúng tôi lần lượt giải thích năm công cụ mỗi thứ đảm nhận đoạn nào.

Mở bảng sao kê thẻ tín dụng tháng này ra, các khoản đăng ký xếp thành hàng: một trình soạn thảo để viết code, một gói cao cấp của một mô hình chat, một gói cao cấp của mô hình chat khác, rồi thêm một khóa API bạn đăng ký từ hai năm trước và chưa từng nghĩ tới nữa.

Nhìn riêng từng khoản thì không quá đáng. Nhưng cộng lại, bạn sẽ tự hỏi: liệu một phần trong số này có thể tự làm được không?

Video Fireship đăng ngày 7 tháng 9 năm 2026 bắt đầu từ đúng câu hỏi đó. Người dẫn trước hết tính khoản chi của chính mình: Cursor 20 USD mỗi tháng, Claude Max, GPT Pro và Gemini Ultra mỗi gói 100 USD, tổng cộng 320 USD, đây cũng là nguồn gốc của con số 320 USD/tháng trong tiêu đề video. Đó là chi tiêu cá nhân do người dẫn tự kể, không đại diện cho mức chi thực tế của người dùng nói chung. Ông còn nhắc tới một dịch vụ mà bản ghi chép viết là 11 Labs (có thể là ElevenLabs, cách viết do nhận dạng giọng nói nên cần đối chiếu), DeepSeek và một loạt khóa API bị lãng quên, nhưng không nêu số tiền. Sau đó ông giới thiệu năm công cụ mã nguồn mở mà ông nói là có thể tự dựng.

Bài viết này không kể lại video một lần nữa, mà đặt năm công cụ lên cùng một tuyến để xem mỗi công cụ đứng ở đoạn nào, và điều kiện nào thì hóa đơn mới thật sự nhỏ đi.

Ollama là gì? Đoạn đầu tiên: tự chạy mô hình

Theo người dẫn, bộ công cụ AI nào cũng phải có mô hình trước. Ông ví Ollama như Docker của các mô hình ngôn ngữ lớn: có giao diện dòng lệnh và API, cho phép tải và chạy mô hình ngay trên máy của bạn, đặc biệt hợp để thử nhiều mô hình trọng số mở.

Người dẫn nhấn mạnh hai lợi ích: nội dung prompt không rời khỏi máy bạn, và bản thân việc suy luận không tính phí theo lượt. (Bổ sung của bài viết: điều này chỉ đúng với suy luận thuần cục bộ; một khi bạn chuyển tiếp sang mô hình đám mây qua lớp dự phòng, nội dung sẽ được gửi tới nhà cung cấp đó.) Ông cũng tự chỉ ra giới hạn: phần cứng của đa số người không chạy nổi mô hình gần mức tiên tiến nhất. Mô hình nhỏ gần như chạy ở đâu cũng được, còn mô hình quy mô tiên phong thì cần thiết bị gần như một trung tâm dữ liệu nhỏ.

Nói cách khác, đoạn đầu giải quyết sự riêng tư và chi phí mỗi lần gọi, nhưng biến vấn đề thành ngưỡng phần cứng.

Nine Router làm gì? Đoạn thứ hai: một cửa vào cho mọi mô hình, với các tầng dự phòng

Đã không chạy nổi mô hình lớn trên máy thì cần có cách chuyển qua lại giữa mô hình cục bộ và mô hình đám mây. Bản ghi chép của video gọi công cụ này là Nine Router (vì bản ghi chép là sản phẩm nhận dạng giọng nói, cách viết chính thức của tên này vẫn cần đối chiếu với trang dự án chính thức).

Theo mô tả của người dẫn, nó nằm giữa các công cụ AI của bạn và nhiều nhà cung cấp mô hình, cung cấp một điểm cuối cục bộ và một proxy tương thích OpenAI; bạn chỉ cần trỏ các công cụ tới localhost là không phải quản lý riêng từng khóa. Điều ông coi trọng nhất là các tầng dự phòng: ông nêu ví dụ rằng tầng một có thể đặt gói đăng ký bạn vốn đang trả tiền (chẳng hạn Claude Max), tầng hai đặt mô hình OpenAI tính phí theo lượng dùng với giá thấp hơn làm phương án phụ, tầng ba đặt nguồn miễn phí, như các mô hình của Trung Quốc và hạn mức dùng thử của Vertex. Hết tầng một thì tự động chuyển xuống tầng kế tiếp. Người dẫn còn nói nó ghi lại mức sử dụng và nén đầu ra của công cụ để giảm lượng token tiêu thụ, nhưng video không đưa ra bất kỳ tỷ lệ tiết kiệm cụ thể nào.

Headroom là gì? Đoạn thứ ba: làm gọn nội dung trước khi gửi đi

Nếu mỗi ngày bạn đã tiêu thụ lượng token rất lớn (người dẫn nói tới cỡ hàng tỷ mỗi ngày), ông giới thiệu công cụ mà bản ghi chép gọi là Headroom (tên cần đối chiếu), và định vị nó là lớp nén ngữ cảnh cho AI agent. Nó nằm giữa ứng dụng của bạn và nhà cung cấp mô hình, nén đầu ra của công cụ, log và các nội dung dài dòng khác trước khi đưa vào mô hình, vì phần đưa vào sẽ bị tính là token đầu vào.

Người dẫn đặc biệt nhắc tới một thiết kế: việc nén có thể đảo ngược. Bản nén gửi cho mô hình đi kèm nội dung gốc được lưu đệm cục bộ, khi mô hình cần vẫn có thể lấy lại. Ông dùng một câu đùa rất phóng đại để mô tả cảnh agent đọc quá nhiều nội dung vô ích; đó là chuyện cười chứ không phải số liệu nên bài viết không trích dẫn.

Dify và OpenHands phụ trách gì? Từ hạ tầng đi tới ứng dụng

Ba công cụ trước là hạ tầng. Tiếp theo, người dẫn nói về việc dùng chúng để làm gì.

Dify (bản ghi chép nhiều chỗ viết thành Diffy, tên cần đối chiếu) là công cụ xây dựng trực quan, kéo thả các nút trên canvas thay vì viết toàn bộ logic vào prompt. Người dẫn giải thích quy trình: ứng dụng gửi dữ liệu đi, workflow trực quan lấy từ cơ sở dữ liệu các mục thỏa điều kiện, rồi mô hình ngôn ngữ lớn diễn giải kết quả; cuối cùng cả workflow được cung cấp ra ngoài dưới dạng API, giao diện phía trước chỉ cần gọi nó. Ứng dụng minh họa trong video là một dự án đùa hư cấu, không liên quan tới sản phẩm thực tế.

Công cụ mà bản ghi chép gọi là OpenHands (tên cần đối chiếu) được người dẫn mô tả là agent lập trình tự chủ mã nguồn mở. Ông nói nó đứng ở nhóm đầu trên SWE-bench verified (bộ đánh giá dựa trên các issue GitHub có thật); đây là lời người dẫn, chưa được kiểm chứng độc lập. Cách dùng là viết công việc thành một GitHub issue rồi giao cho nó xử lý ở chế độ nền; vì chạy trên máy chủ của chính bạn, nó có thể kết nối mô hình của OpenAI hoặc Anthropic, cũng có thể kết nối mô hình cục bộ đã cài bằng Ollama ở trên.

Tự dựng xong thì tiền đăng ký có biến mất không? Chỉ là đổi chỗ trả

Đến đây, năm công cụ nối lại trông rất gọn: Ollama cung cấp mô hình cục bộ, Nine Router quản lý cửa vào và dự phòng, Headroom nén đầu vào, Dify xây ứng dụng, OpenHands lo phát triển.

Nhưng tiêu đề video nói về việc thay thế, còn logic của hóa đơn thì như sau: 320 USD đó không bị xóa đi mà được tách ra, chia cho vài loại chi phí khác nhau.

Loại thứ nhất là phần cứng hoặc máy chủ: chính người dẫn cũng nói phần cứng của đa số người không chạy nổi mô hình tiên phong, và các tầng dự phòng ông nêu ví dụ cũng xếp gói đăng ký sẵn có và mô hình đám mây tính theo lượng dùng vào các tầng có thể dùng. Hai loại dưới đây là suy luận của bài viết, không phải lời người dẫn: loại thứ hai là thời gian bảo trì, năm công cụ phải tự cài đặt, kết nối, cập nhật, có sự cố cũng phải tự xử lý. Loại thứ ba là chi phí phán đoán: mục đích nào đi tầng nào, tầng nào đã dùng bao nhiêu, vẫn do bạn tự quyết định và tự diễn giải (người dẫn có nhắc Nine Router ghi lại mức sử dụng, nhưng video không giải thích cách đọc số liệu đó).

Còn một điều cần ghi chú bên cạnh: mọi nhận định về hiệu quả và mức tiết kiệm trong video, kể cả đánh giá của người dẫn rằng cách này rẻ hơn và năng suất hơn, đều là trải nghiệm cá nhân của ông; video không cung cấp số liệu đối chiếu trước và sau để kiểm tra. Vì vậy cách đọc đúng không phải là 320 USD thành 0, mà là có một bộ công cụ giúp bạn có cơ hội sắp xếp lại tiền mình tiêu vào đâu.

Ngoài ra, video có tài trợ từ Hostinger, người dẫn nhắc rằng có thể dùng VPS của họ để triển khai các dự án trên. Bài viết không giới thiệu dịch vụ này và cũng không nhắc lại bất kỳ mã ưu đãi nào; nơi tự dựng có thể là máy của chính bạn, máy chủ đám mây hoặc máy chủ nội bộ công ty, tùy mỗi người chọn.

Quay lại tờ hóa đơn

Nhìn lại tờ hóa đơn ở đầu bài, điều đáng thay đổi không nhất thiết là số lượng gói đăng ký, mà là bạn có trả lời được ba câu hỏi hay không: những mục đích nào nhất định phải dùng mô hình tiên phong? Những mục đích nào chỉ cần mô hình nhỏ chạy cục bộ? Mỗi tầng thực tế đã dùng bao nhiêu?

(Đoạn này là đề xuất của bài viết, không phải lời người dẫn.) Nếu trả lời được cả ba câu, bộ công cụ tự dựng là một lựa chọn đáng thử; nếu chưa trả lời được, việc nhìn rõ mức sử dụng quan trọng hơn việc cài ngay năm công cụ. Lần tới khi hóa đơn đến, điều bạn muốn thấy tốt nhất là kết quả do chính mình chủ động sắp xếp, chứ không phải những con số tích tụ một cách thụ động.

Câu hỏi thường gặp (FAQ)

Q1: Năm công cụ này có thật sự thay được các gói đăng ký AI hằng tháng không?

Người dẫn video cho biết ông đã hủy các gói đăng ký của mình và chuyển sang bộ công cụ tự dựng này, nhưng đó là lời cá nhân của ông, video không cung cấp so sánh chi phí trước và sau để đối chiếu. Hơn nữa các tầng dự phòng ông nêu ví dụ cũng xếp gói đăng ký sẵn có (chẳng hạn Claude Max) và mô hình tính phí theo lượng dùng vào các tầng có thể dùng, nên cách đọc thận trọng hơn là phân bổ lại chứ không phải đưa tất cả về 0.

Q2: Ollama chạy được mô hình lớn cỡ nào trên máy cục bộ?

Người dẫn nói mô hình nhỏ gần như chạy được trên mọi máy, nhưng mô hình gần mức tiên phong cần phần cứng tương đương một trung tâm dữ liệu nhỏ. Cần bao nhiêu bộ nhớ hay card đồ họa cụ thể thì video không nói, hãy đánh giá theo yêu cầu chính thức của mô hình bạn muốn chạy.

Q3: Nine Router có phải là tên chính thức của công cụ này không?

Chưa chắc. Nguồn của bài viết là bản ghi chép do nhận dạng giọng nói tạo ra, việc gọi nó là Nine Router có thể có sai lệch cách viết. Trước khi dùng, hãy tìm trong nguồn chính thức bằng các đặc điểm chức năng của nó (proxy cục bộ tương thích OpenAI, tầng dự phòng, theo dõi mức sử dụng) để xác nhận.

Q4: Headroom nén nội dung thì mô hình có bỏ sót thông tin quan trọng không?

Người dẫn giải thích việc nén có thể đảo ngược, nội dung gốc được lưu đệm cục bộ, khi mô hình cần có thể lấy lại. Hiệu quả thực tế và mức tiết kiệm thì video không cung cấp số liệu, nên tự thử với khối lượng công việc thật của bạn.

Q5: Có cần dùng Hostinger trong video cùng với các công cụ này không?

Không cần. Hostinger là nhà tài trợ của video, người dẫn chỉ lấy nó làm ví dụ về nơi triển khai. Bài viết không giới thiệu và cũng không nhắc lại ưu đãi của họ. Bạn có thể chọn bất kỳ môi trường máy chủ nào mình tin tưởng.

Tuyên bố nguồn tư liệu

Các dữ kiện cốt lõi của bài được tổng hợp từ video do kênh Fireship (The Code Report) đăng ngày 2026-09-07 với tựa đề 5 open source tools that replaced my $320/mo AI stack... (https://www.youtube.com/watch?v=Y5rSSvXfL4g). Video bằng tiếng Anh; bài viết được tổ chức lại theo ý nghĩa và diễn đạt bằng tiếng Việt, không phải bản dịch từng chữ. Bản ghi chép là sản phẩm nhận dạng giọng nói, tên công cụ và một số cách dùng từ có thể sai, đã được đánh dấu cần đối chiếu trong bài. Số tiền đăng ký hằng tháng, chức năng công cụ và thành tích trên SWE-bench đều là lời người dẫn, chưa được kiểm chứng độc lập. Video có tài trợ từ Hostinger. Các câu đùa và cách nói phóng đại trong video (chẳng hạn chuyện bán rượu, lượng nước bể bơi, ứng dụng ghép đôi hư cấu) không được trích dẫn như sự thật. Bài viết không thêm bất kỳ mức giá, hiệu năng hay tỷ lệ tiết kiệm nào mà video không nhắc tới.

Đọc thêm

Các bài liên quan đã đăng trên aitoken.com.tw (tiêu đề gốc bằng tiếng Trung):

AI Token 真實成本是多少？為什麼你的 AI 訂閱費感覺特別便宜 (chi phí thực của AI Token và vì sao phí đăng ký AI có vẻ đặc biệt rẻ)

AI Coding 的 Token 成本怎麼降？5 個實測有效的省錢技巧 (5 mẹo tiết kiệm đã thử nghiệm để giảm chi phí token khi lập trình với AI)

AI Token 為什麼這麼貴？從「自迴歸」運作原理拆解 Coding Agent 燒錢的真相 (vì sao AI Token đắt, giải thích qua cơ chế tự hồi quy)

軟體為什麼開始「按 Token 計價」？AI Agent 時代的採購邏輯與成本治理 (vì sao phần mềm bắt đầu tính giá theo Token và logic mua sắm, quản trị chi phí thời AI Agent)

Muốn xem trước có những mô hình nào để chọn

Nếu bạn định nối vài mô hình vào cùng một bộ công cụ, có thể xem trước danh sách mô hình hiện có trong tài khoản và thông tin giá của từng mô hình tại AI Token King, rồi quyết định việc nào giao cho đám mây, việc nào giữ lại trên máy.