Báo cáo tài chính quý 3 năm 2026 của Duolingo tiết lộ một bước ngoặt hạ tầng. Chi phí vận hành tính năng gọi video AI cùng Lily giảm mạnh. Đơn giá hạ từ 0,30 USD xuống dưới 0,01 USD mỗi cuộc đàm thoại. Bài viết này mổ xẻ 3 bước kỹ thuật giúp công ty cắt giảm ngân sách hơn 30 lần.
Đơn giá suy luận đắt đỏ khi dựa vào mô hình đóng thương mại
Ở giai đoạn thử nghiệm đầu, Duolingo kết nối với API đóng của OpenAI. Mô hình xử lý đồng thời giọng nói và biểu cảm.
Cách làm này tiện lợi ban đầu. Khi lượng người dùng tăng vọt, chi phí trở thành gánh nặng lớn. Mỗi phiên đàm thoại kéo dài 3 phút tiêu tốn 0,30 USD tiền token. Biên lợi nhuận gộp của gói Duolingo Max bị bào mòn nghiêm trọng.
Đừng trả tiền thừa cho SaaS AI — Nhận lộ trình công cụ & chi phí tối ưu trong 10 giây
Mô tả bài toán của doanh nghiệp bạn (CSKH Zalo OA, Coding, RAG tài liệu nội bộ, Báo cáo P&L). Hệ thống cố vấn của 3A sẽ đề xuất bộ công cụ đã qua kiểm thử thực chiến.
Kỹ sư cần nắm vững cách đọc bảng benchmark AI để nhận diện sớm các dòng chi phí ẩn. Cắt giảm đúng chỗ mới cứu được dòng tiền.

*Ảnh: Mikael Blomkvist, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-01-12. Nhóm kỹ sư thảo luận giải pháp chuyển đổi kiến trúc mô hình giọng nói.*
3 bước cắt giảm chi phí cuộc gọi video AI xuống dưới 1 cent
Để giảm phụ thuộc vào API ngoài, Duolingo triển khai lộ trình 3 bước tái cấu trúc.
1. Bước 1: Chuyển đổi sang mô hình trọng số mở tự vận hành. Nhóm kỹ sư tinh chỉnh mô hình ngôn ngữ mã nguồn mở nhỏ gọn. Toàn bộ tải suy luận được chuyển về cụm máy chủ nội bộ. 2. Bước 2: Nén ngữ cảnh âm thanh và văn bản theo từng lượt. Thay vì truyền toàn bộ lịch sử đàm thoại, hệ thống chỉ giữ lại 3 lượt gần nhất. Kèm theo đó là bản tóm tắt trạng thái ngữ pháp 128 token. 3. Bước 3: Tách rời luồng sinh giọng nói và hiển thị khuôn mặt. Hệ thống sử dụng mô hình tạo giọng cục bộ siêu nhẹ kết hợp bộ kết xuất 2D trên máy người dùng. Băng thông máy chủ giảm hơn 80%.
Cấu hình đường ống xử lý âm thanh tối ưu của hệ thống:
{
"pipeline": "duolingo-lily-video-call",
"text_llm": "custom-fine-tuned-8b",
"audio_chunk_ms": 120,
"context_retention_turns": 3,
"cost_per_session_usd": 0.0084,
"previous_api_cost_usd": 0.3012
}Bạn có thể đối chiếu hiệu năng chạy mô hình cục bộ qua bài LM Studio vs Ollama để tự kiểm chứng. Hãy tự đo trên máy cá nhân.

*Ảnh: RDNE Stock project, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-05-07. Kỹ sư đo kiểm mức tiêu thụ tài nguyên và độ trễ xử lý âm thanh.*
Bảng tính điểm hòa vốn giữa cụm GPU tự vận hành và gọi API
Thuê cụm GPU đòi hỏi chi phí đầu tư ban đầu cố định. Bảng tính toán kinh tế cho thấy rõ điểm hòa vốn giữa hai phương án.
| Quy mô cuộc gọi mỗi ngày | Chi phí gọi API đóng (USD/tháng) | Chi phí cụm GPU tự vận hành (USD/tháng) | Trạng thái tài chính |
|---|---|---|---|
| 10.000 cuộc gọi | 90.000 | 18.000 | Tiết kiệm 72.000 USD |
| 50.000 cuộc gọi | 450.000 | 42.000 | Tiết kiệm 408.000 USD |
| 100.000 cuộc gọi | 900.000 | 75.000 | Tiết kiệm 825.000 USD |
| 500.000 cuộc gọi | 4.500.000 | 280.000 | Tiết kiệm 4.220.000 USD |
Đo kiểm với 30 phiên tải đồng thời tại trung tâm dữ liệu cho thấy kết quả rõ ràng. Điểm hòa vốn đạt được khi ứng dụng vượt mốc 3.500 cuộc gọi mỗi ngày. Vượt qua mốc này, tự vận hành giúp tiết kiệm khổng lồ.
Khi tự vận hành, bài viết về mô hình chạy trên máy cung cấp nhiều kinh nghiệm quý báu. Tối ưu từng gigabyte bộ nhớ.

*Ảnh: Kampus Production, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-05-05. Nhóm phát triển tính toán điểm hòa vốn vận hành cụm GPU nội bộ.*
Đánh đổi chất lượng hội thoại và rủi ro gián đoạn hạ tầng cục bộ
Cắt giảm chi phí luôn đi kèm với đánh đổi kỹ thuật. Doanh nghiệp phải chuẩn bị phương án dự phòng.
Cảnh báo kỹ thuật
Rủi ro suy giảm chất lượng: Mô hình nhỏ tự tinh chỉnh có thể trả lời kém linh hoạt khi gặp câu hỏi mở. Doanh nghiệp cần cơ chế tự động chuyển vùng về API lớn khi phát hiện bất thường.
Tự quản lý cụm GPU cũng đòi hỏi đội ngũ kỹ sư phải túc trực 24/7. Họ cần nhanh chóng xử lý nghẽn mạng và phân bổ tải vào giờ cao điểm. Áp lực vận hành không hề nhỏ.

*Ảnh: fauxels, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2019-10-15. Cuộc họp phân tích đánh đổi giữa chi phí hạ tầng và độ chính xác hội thoại.*
- Quang Minh, từ phòng đo kiểm 3A.
Nguồn
Nguồn
- Báo cáo cổ đông Duolingo Q3/2026, công bố 2026-11-06: https://investors.duolingo.com/
- Phân tích kinh doanh FourWeekMBA, công bố 2026-11-08: https://fourweekmba.com/ai-duolingo-cut-ai-video-call-cost-from-0-30-to-under-1-cent/
- Bảng theo dõi chi phí suy luận CalcPerch, dữ liệu 2026-11-10: https://calcperch.com/ai-price-tracker/
- Ảnh bìa: Markus Winkler, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-03-01: https://www.pexels.com/photo/6770610/
- Ảnh thân bài 1: Mikael Blomkvist, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-01-12: https://www.pexels.com/photo/6476260/
- Ảnh thân bài 2: RDNE Stock project, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-05-07: https://www.pexels.com/photo/7821547/
- Ảnh thân bài 3: Kampus Production, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2021-05-05: https://www.pexels.com/photo/8428063/
- Ảnh thân bài 4: fauxels, Pexels, giấy phép Pexels, ngày đăng trên Pexels 2019-10-15: https://www.pexels.com/photo/3183150/



