Claude Code trả về khối suy luận trống, nhưng chi phí tính toán vẫn bị thu phí

Các nhà phát triển sử dụng Claude Code của Anthropic đang gặp phải một vấn đề kỳ lạ: các bản tóm tắt "suy luận" (thinking) của mô hình AI trả về trống rỗng hoặc bị cắt ngắn, trong khi chi phí token cho quá trình suy luận vẫn bị tính đầy đủ. Nhiều báo cáo lỗi trên GitHub cho thấy sự cố này ảnh hưởng đến các mô hình Opus 4.8 và Sonnet 5, ngay cả khi người dùng yêu cầu tường minh chế độ hiển thị tóm tắt suy luận.

Vấn đề: Suy luận có trả phí, nhưng kết quả lại "biến mất"

Tính năng "thinking" cho phép mô hình AI sử dụng thêm token để suy luận sâu trước khi đưa ra câu trả lời, nhằm cải thiện độ chính xác. Thông thường, phần mềm sẽ trả về một bản tóm tắt mô tả quá trình xử lý vấn đề. Tuy nhiên, theo phản ánh từ lập trình viên Michael Hood, API hiện tại đang trả về các khối suy luận trống (chỉ bao gồm chữ ký, không có nội dung) cho Claude Opus 4.8 và Sonnet 5, kể cả khi người dùng thiết lập display: "summarized" trong yêu cầu gửi đi.

"Kể từ 2026-07-16 ~15:00Z, API trả về các khối suy luận trống (thinking: '', chỉ có signature) cho Claude Opus 4.8 và Sonnet 5, ngay cả khi tôi cố tình chèn yêu cầu trực tiếp vào body của request," Hood nhận xét.

Một số báo cáo khác cho thấy hiện tượng tương tự cũng xảy ra trên phiên bản Claude Code tích hợp trong VS Code. Có trường hợp các bản tóm tắt suy luận bị cắt ngắn giữa chừng, trong khi hóa đơn thanh toán vẫn tính đầy đủ số token ban đầu.

Vì sao người dùng vẫn bị tính phí?

Anthropic đã làm rõ trong tài liệu kỹ thuật của mình: khách hàng sẽ bị tính phí cho tất cả các token suy luận được tạo ra, dù nội dung đó có được trả về hay bị thu gọn/che giấu. Điều này có nghĩa là, bất kể lỗi hiển thị, chi phí vẫn phát sinh theo đúng số token mà mô hình đã sử dụng để "suy nghĩ".

Đại diện Anthropic giải thích thêm:

"Suy luận có chi phí: các token mà Claude dành để lập luận được tính như token đầu ra, ngay cả khi nội dung suy luận không được trả lại cho bạn, và chúng được tính vào giới hạn max_tokens cùng với văn bản phản hồi."

Để giảm chi phí, các nhà phát triển được khuyên nên hạ ngân sách suy luận (budget) hoặc tắt hoàn toàn tính năng này trong cấu hình.

Các sự cố liên quan đến luồng dữ liệu

Ngoài vấn đề trên, API của Anthropic còn ghi nhận tình trạng ngắt kết nối luồng dữ liệu giữa chừng trong các phiên suy luận kéo dài. Lập trình viên Hector Bernstorff phát hiện ra rằng sự cố này đến từ phía client, khi hệ thống tự ý chấm dứt hoặc thử lại các request có thời gian xử lý lâu. Anthropic xác nhận đang cân bằng giữa cảm nhận độ trễ của người dùng và nguy cơ request bị kẹt lại.

Phản hồi từ Anthropic

Người phát ngôn của Anthropic cho biết đội ngũ của họ đang tích cực theo dõi và khắc phục:

"Claude Code phát hành bản cập nhật gần như mỗi ngày, và những báo cáo từ cộng đồng như trên GitHub là một phần quan trọng giúp chúng tôi nhanh chóng phát hiện vấn đề. Chúng tôi biết ơn các nhà phát triển đã dành thời gian báo cáo và sẽ tiếp tục xử lý khi có sự cố phát sinh."

Lời khuyên cho nhà phát triển Việt Nam

Nếu bạn đang sử dụng Claude Code trong dự án của mình và gặp phải tình trạng khối suy luận trống, hãy cân nhắc:

• Kiểm tra phiên bản Claude Code mới nhất để xem lỗi đã được vá chưa.
• Tắt chế độ thinking nếu bạn không thực sự cần đến độ chính xác cao từ suy luận sâu.
• Theo dõi chi phí token thường xuyên trong dashboard của Anthropic để tránh các khoản phí phát sinh không mong muốn.
• Tham gia các diễn đàn hoặc nhóm cộng đồng lập trình viên để cập nhật nhanh nhất các bản vá.

Đây là một lời nhắc nhở rằng, trong thế giới AI, không phải lúc nào "có trả tiền" cũng đồng nghĩa với "có kết quả hiển thị đầy đủ". Hãy luôn kiểm tra kỹ hoạt động của API trước khi đưa vào sản xuất.