Token hao ngầm của Claude Code: kiểm tra agent_summary trong OpenTelemetry của bạn

Tóm tắt nhanh
Một báo cáo bên thứ ba cho rằng Claude Code định kỳ gửi cả transcript của từng background agent lên model chỉ để lấy một dòng trạng thái ngắn, và nhóm này có thể chiếm cỡ một phần sáu chi phí ước tính. Số liệu chưa được Anthropic xác nhận. Cách chắc nhất là tự đo: nếu đã bật OpenTelemetry, nhóm dữ liệu theo query_source, lấy phần agent_summary chia cho tổng cùng kỳ.
Có thể có, nhưng bạn chưa nên tin con số của ai, kể cả của mình, cho đến khi tự đo. Một nhóm tên Flamerix AI đăng báo cáo cho rằng Claude Code cứ khoảng 30 giây lại gửi nguyên transcript của từng background agent lên model, chỉ để nhận về một dòng 3-5 chữ mô tả agent vừa làm gì. Theo họ, khoản này chiếm khoảng một phần sáu chi phí ước tính trong tuần họ đo.
Vì sao đáng quan tâm? Nếu bạn hay chạy nhiều agent chạy nền song song và thấy hạn mức tụt nhanh hơn mình tính, đây là một nghi phạm hợp lý. Nhưng chỉ là nghi phạm. Báo cáo là số đo của bên thứ ba, đo trên môi trường của họ, và chưa thấy Anthropic xác nhận. Xem video ngắn bên dưới để nắm ý chính, rồi quay lại đây đọc phần cơ chế và cách tự kiểm tra.
Bài này giúp bạn ba việc: hiểu cơ chế được mô tả trong báo cáo, biết cách tính tỷ trọng agent_summary trong dữ liệu của chính mình nếu đã bật OpenTelemetry, và biết cách đọc kết quả mà không kết luận vội. Mình cũng nói rõ phần nào là số liệu chắc, phần nào chỉ là giả thuyết.
I.Bản chất của khoản hao này
A.Chuyện gì đang diễn ra, theo báo cáo
Khi bạn cho Claude Code chạy background agent, trong giao diện có một bảng liệt kê các agent đang chạy. Mỗi agent có một dòng trạng thái ngắn kiểu 'đang đọc file cấu hình' hoặc 'đang sửa bài test'. Dòng đó không tự sinh ra. Theo báo cáo, Claude Code tạo nó bằng cách gửi toàn bộ transcript của agent lên model rồi xin một bản tóm tắt cực ngắn.
Điểm đáng nói là dòng chữ đó chỉ phục vụ việc hiển thị. Theo báo cáo, nó không quay lại model để làm việc tiếp và không đi vào cuộc trò chuyện chính của bạn. Nói đơn giản: bạn trả tiền, hoặc trả hạn mức, cho một dòng trang trí.
Nghe thì vô lý, nhưng nếu đúng thì cũng dễ hiểu vì sao nó có thể lớn. Transcript của một agent chạy lâu càng dài ra theo thời gian, trong khi lệnh gọi lặp lại đều đặn. Mỗi lần gọi đọc cả cuốn truyện chỉ để viết một dòng đầu đề.
B.Những con số được nêu và cách đọc chúng
Theo báo cáo, trong một tuần trước khi họ chặn thử, nhóm agent_summary chiếm:
- 16,4% chi phí ước tính, hơn cả cuộc trò chuyện chính (15,7%).
- 19,7% số request, tức cỡ 1 trên 5.
- Khoảng 96% phần chi phí đó rơi vào model lớn nhất.
- Tỉ lệ input trên output khoảng 9.000 trên 1. Gửi vào cả đống chữ, nhận về vài chữ.
Báo cáo cũng nói có bốn phép đo độc lập khác cho ra mức khoảng 18-26%. Nghe khá thuyết phục, nhưng hãy giữ ba lưu ý. Thứ nhất, đây là số của bên thứ ba. Thứ hai, 'chi phí' ở đây là con số cost_usd mà chính Claude Code ước tính, không phải hóa đơn. Thứ ba, họ đo trên cách dùng của họ: nhiều background agent chạy song song. Bạn dùng khác thì số khác.
Với người dùng gói đăng ký, thứ mất không phải tiền theo từng request mà là hạn mức dùng. Nên 'chi phí ước tính' nên được hiểu là một thước đo tương đối: phần nào của lượng dùng đến từ đâu.
C.Vì sao ít người thấy, và vai trò của cache
Theo báo cáo, tính năng này được bật mặc định từ một bản gần đây và không có setting nào để tắt. Có một tùy chọn trong SDK liên quan đến tóm tắt tiến độ của agent, nhưng theo bài, nó chỉ có tác dụng khi bật, đặt thành false thì không đổi gì. Khoảng cách giữa các lần gọi do phía server quyết định, thấp nhất khoảng 30 giây.
Còn một chi tiết khó chịu: các công cụ đọc log session để tính tiền sẽ không thấy những request này, vì chúng không được ghi xuống đĩa. Theo báo cáo, chỉ OpenTelemetry mới lộ ra. Nếu bạn từng dùng một công cụ thống kê đọc file log và thấy tổng thấp hơn mức hạn mức đã tụt, khoảng chênh này là một chỗ nên nhìn lại, dù chưa chắc là nguyên nhân duy nhất.
Công bằng mà nói, prompt cache làm giảm nhẹ vấn đề. Theo báo cáo, khoảng 98% lượt gọi đọc lại transcript từ cache. Nhưng 2% còn lại, rơi vào cache nguội, lại gánh hơn một phần ba chi phí. Nghĩa là phần lớn tiền không nằm ở lượt gọi thường, mà ở những lần cache hết hạn và phải đọc lại từ đầu. Nếu bạn muốn hiểu rõ hơn về cache, tập riêng về cache trong cùng series đã giải thích; ở đây mình không nhắc lại.
Báo cáo cũng ghi nhận có một chế độ tóm tắt gọn hơn, ghi chú khoảng 2.000 token thay vì cả transcript, đã có sẵn trong một bản gần đây nhưng đang tắt, chỉ bật được từ phía server. Từ đó người viết suy ra Anthropic có thể tự sửa. Đó là suy luận, không phải thông báo, và chưa ai biết khi nào.
II.Làm thế nào để tự kiểm tra
Điều kiện đầu tiên: bạn đã bật OpenTelemetry cho Claude Code, tức là đã có dữ liệu đo đạc được xuất ra một nơi nào đó (một hệ thống giám sát, một bảng tính hoặc một file). Nếu chưa bật, bài này không yêu cầu bạn phải dựng hệ thống mới chỉ để tò mò; mình sẽ nói lựa chọn cho người chưa bật ở phần sau.
- Mở dữ liệu OpenTelemetryVào nơi bạn đang lưu dữ liệu đo đạc của Claude Code
- Chọn một khoảng thời gianNên là một tuần có chạy background agent bình thường
- Nhóm theo query_sourceTìm dòng có giá trị agent_summary
- Cộng cost_usdTổng cho agent_summary, và tổng cho mọi nhóm cùng kỳ
- Chia và đổi ra phần trămagent_summary chia tổng, nhân 100
- Đọc kết quả thận trọngSo với số báo cáo như tham khảo, đừng áp số của họ
A.Nhóm theo query_source
Trong dữ liệu, mỗi request có một nhãn cho biết nó đến từ đâu. Trường bạn cần là query_source. Hãy nhóm toàn bộ request theo trường này. Bạn sẽ thấy các nguồn khác nhau, trong đó một nhóm tên agent_summary. Tên cụ thể của các nhóm còn lại tùy dữ liệu của bạn, mình không liệt kê vì không có trong tư liệu.
B.Tính tỷ trọng của bạn
Lấy tổng cost_usd của nhóm agent_summary, chia cho tổng cost_usd của mọi nhóm trong cùng kỳ, rồi đổi ra phần trăm. Đó là tỷ trọng của bạn. Làm tương tự với số request nếu muốn so thêm: số request agent_summary chia tổng số request.
Ví dụ minh họa, chỉ để bạn hình dung cách tính: nếu tổng cost_usd tuần này là 40 và agent_summary là 6, tỷ trọng là 15%. Con số 40 và 6 ở đây là giả định để dễ tính, không phải số đo thật của ai.
C.Đọc kết quả
Có ba tình huống. Tỷ trọng rất thấp, vài phần trăm: khoản này không phải vấn đề lớn với bạn. Tỷ trọng gần mức 16% hoặc cao hơn: agent_summary là nghi phạm đáng nghĩ tới. Tỷ trọng gần bằng 0 trong khi bạn chạy nhiều agent: nên kiểm tra xem dữ liệu có thật sự ghi nhãn query_source không, hoặc bạn đang lọc nhầm.
Dù ra kết quả nào, hãy giữ nguyên tắc: đo trước, xét nguyên nhân sau. Tỷ trọng cao chưa chứng minh nó khiến hạn mức tụt, chỉ cho thấy nó là một phần lớn của lượng dùng được ghi nhận.
III.Dùng vào việc thật
A.Dev chạy nhiều agent song song
Bối cảnh: bạn là lập trình viên, thường mở vài background agent cùng lúc, một cái viết test, một cái sửa lỗi, một cái rà tài liệu. Cuối tuần bạn thấy hạn mức cạn nhanh hơn dự đoán. Bạn đã bật OpenTelemetry từ trước.
Bạn có thể nhờ Claude Code giúp phân tích bản xuất dữ liệu, ví dụ:
Mình có file dữ liệu OpenTelemetry của Claude Code xuất ra, nằm ở thư mục data/. Hãy đọc file, nhóm các dòng theo query_source, rồi tính cho mỗi nhóm: tổng cost_usd, số request, và phần trăm trên tổng. Đặt agent_summary lên đầu bảng. Đừng sửa file gốc. Nếu thiếu cột nào, nói rõ cột nào thiếu thay vì đoán.Kết quả nhận được là một bảng tỷ trọng theo nhóm. Chỗ cần kiểm tra lại: tên cột trong file thật có thể khác một chút, và Claude có thể chọn nhầm cột. Hãy tự cộng tay vài dòng để đối chiếu với tổng.
B.Chủ shop chỉ chat một phiên
Bối cảnh: bạn bán hàng online, dùng Claude Code vài lần một tuần để xử lý file đơn hàng, thường chỉ một cửa sổ chat, không chạy agent nền. Bạn thấy bài này và băn khoăn có nên lo.
Theo cách báo cáo mô tả, khoản này tính theo từng background agent. Nên nếu bạn không chạy agent nền, khả năng cao bạn ít bị ảnh hưởng. Bạn có thể xác nhận bằng một câu hỏi đơn giản:
Mình chỉ dùng một phiên chat, không bao giờ chạy agent nền. Hãy giải thích ngắn gọn cho người không rành kỹ thuật: việc nào trong cách mình dùng có thể làm hao hạn mức nhanh, và việc nào ít khả năng. Nếu không chắc, nói không chắc.Kết quả là một lời giải thích chung. Chỗ cần kiểm tra: đây là câu trả lời từ trí nhớ của model, không phải số đo. Nếu hạn mức vẫn tụt bất thường, nguyên nhân thường nằm ở context quá dài hoặc file lớn mỗi lượt, không phải agent_summary.
C.Quản lý nhóm nhỏ cần báo cáo cho sếp
Bối cảnh: bạn phụ trách một nhóm ba người dùng chung quy trình với Claude Code, sếp hỏi vì sao mức dùng tăng. Bạn đã xuất được dữ liệu của cả nhóm.
Đây là dữ liệu OpenTelemetry của nhóm trong một tuần (file team-usage.csv). Hãy lập một bản tóm tắt cho quản lý không rành kỹ thuật, gồm: tổng mức dùng ước tính, phần trăm theo query_source, riêng agent_summary chiếm bao nhiêu, và ba nhận xét thận trọng. Ghi rõ đây là cost_usd ước tính, không phải hóa đơn. Không kết luận nguyên nhân nếu dữ liệu chưa đủ.Kết quả là một trang tóm tắt dễ đọc. Chỗ cần kiểm tra: dòng ghi chú 'ước tính, không phải hóa đơn' phải còn nguyên khi bạn gửi đi, kẻo sếp hiểu thành số tiền thật. Và nếu dữ liệu chứa tên người hay nội dung nhạy cảm, hãy lược bỏ trước khi chia sẻ.
IV.Góc nhìn khách quan
A.Điểm mạnh thật sự của cách làm này
Giá trị lớn nhất không nằm ở việc bắt Claude Code làm điều gì, mà ở việc bạn có một thước đo thật. Thay vì cảm giác 'hạn mức tụt nhanh', bạn có một phần trăm cụ thể cho từng nguồn. Cách chia theo query_source không đòi hỏi đoán mò, chỉ cần cộng và chia.
Báo cáo của Flamerix AI cũng có điểm tốt: họ ghi rõ giới hạn của số liệu, nói chi phí là ước tính chứ không phải hóa đơn, và nói chưa có xác nhận từ Anthropic. Đó là cách trình bày đáng học, kể cả khi bạn không đồng ý với kết luận.
Con số của người khác chỉ là gợi ý để bạn đi đo. Tỷ trọng của bạn mới là thứ để bạn quyết định.
Ông T
B.Giới hạn và rủi ro
Phần này quan trọng nhất, nên mình nói kỹ.
Thứ nhất, đây là số đo bên thứ ba, chưa có xác nhận chính thức. Có thể họ đúng, có thể cách đo của họ có thiên lệch (ví dụ họ chạy nhiều agent song song hơn mức trung bình). Bạn không nên coi con số 16% là sự thật chung cho mọi người.
Thứ hai, cost_usd là ước tính của chính Claude Code. Với gói đăng ký, thứ bạn thật sự mất là hạn mức, và cách hạn mức quy đổi từ request không nhất thiết khớp với con số đô la ước tính.
Thứ ba, OpenTelemetry là phần xuất dữ liệu đo đạc. Dữ liệu này có thể chứa thông tin về cách bạn làm việc, thậm chí tên dự án. Trước khi gửi nó ra ngoài công ty hay đưa cho một công cụ khác, hãy kiểm tra nó chứa gì.
Thứ tư, về cách chặn mà báo cáo đề xuất: đó là một đoạn preload cho Bun, chặn bộ hẹn giờ tạo ra lệnh gọi này. Mình không khuyên bạn chạy thử. Họ chỉ kiểm tra trên Linux, macOS và Windows chưa được kiểm chứng. Một lần cập nhật là có thể hỏng âm thầm. Và chính họ cũng cảnh báo rằng sửa hành vi của client có thể đụng đến điều khoản dịch vụ. Với người dùng văn phòng, rủi ro lớn hơn lợi ích.
Đừng sửa hay chặn hành vi của Claude Code chỉ vì một bài báo cáo bên thứ ba. Việc đó có thể vi phạm điều khoản dịch vụ, hỏng sau mỗi lần cập nhật, và bạn mất cả sự hỗ trợ. Chỉ đo và theo dõi. Đợi Anthropic xác nhận hoặc sửa.
C.Khi nào nên chọn cách khác
Nếu bạn chưa bật OpenTelemetry và không có ý định bật, đừng dựng cả hệ thống chỉ vì bài này. Cách rẻ hơn là quan sát triệu chứng: bạn có chạy nhiều agent nền không, hạn mức có tụt bất thường không. Nếu có, hãy thử giảm số agent chạy song song và xem hạn mức có đỡ hơn không. Đó không phải bằng chứng, nhưng là một thí nghiệm an toàn.
Nếu việc của bạn chỉ là hỏi đáp, viết văn bản hay phân tích file lẻ, một công cụ chat như ChatGPT hay Gemini có thể đủ, và bạn không phải bận tâm đến bài toán agent nền. Nếu bạn là dev và cần công cụ làm việc trong editor, Cursor hay GitHub Copilot cũng là lựa chọn phổ biến. Mình không so sánh tính năng cụ thể vì chúng thay đổi liên tục; hãy thử và so với cách làm việc của chính bạn.
V.Lỗi hay gặp và cách tránh
Áp số của báo cáo vào mình. Thấy 16,4% rồi tin ngay là mình cũng mất chừng đó. Cách tránh: tự tính tỷ trọng từ dữ liệu của bạn. Con số của họ chỉ là mốc để so.
Nhầm chi phí ước tính với hóa đơn. cost_usd là ước tính của Claude Code. Với gói đăng ký, nó không phải số tiền bạn bị trừ. Hãy đọc nó như tỷ lệ tương đối, không phải số tiền.
Kết luận thủ phạm quá sớm. Thấy agent_summary chiếm nhiều là quy hết cho nó. Cách tránh: coi nó là một nghi phạm. Hạn mức còn tụt vì context dài, file lớn, hay chọn model đắt cho việc đơn giản. Hãy xem bảng tỷ trọng đầy đủ, đừng chỉ nhìn một dòng.
Đọc log session rồi tin là đủ. Theo báo cáo, các request này không ghi xuống đĩa nên công cụ đọc log không thấy. Nếu tổng từ log thấp hơn cảm giác của bạn, đó là lý do để mở dữ liệu OpenTelemetry, không phải lý do để nghi ngờ bản thân.
Chạy đoạn mã chặn từ bài viết. Nghe hấp dẫn nhưng rủi ro: chưa kiểm chứng ngoài Linux, dễ hỏng sau cập nhật, có thể vướng điều khoản. Cách an toàn: không chạy, chỉ đo và theo dõi thông tin chính thức.
VI.Dự phóng: chủ đề này sẽ đi về đâu
Đây là nhận định của Ông T dựa trên hướng đi chung của các công cụ agent, không phải thông báo chính thức của ai.
Việc 'tính tiền cho phần phụ' sẽ được nhìn kỹ hơn. Mức chắc chắn: khả năng cao. Khi agent chạy nền thành thói quen, các lệnh gọi phụ như tóm tắt, đặt tên, gợi ý sẽ cộng dồn. Người dùng sẽ đòi biết khoản nào là việc thật, khoản nào là phụ. Bạn nên chuẩn bị bằng cách quen với việc nhìn dữ liệu theo nguồn, không chỉ nhìn tổng.
Công cụ sẽ có tùy chọn gọn hơn cho các lệnh gọi phụ. Mức chắc chắn: có thể. Báo cáo cho thấy một chế độ tóm tắt gọn đã tồn tại nhưng đang tắt. Điều đó gợi ý hướng giải quyết khả thi, nhưng việc bật nó, khi nào và cho ai, chưa ai biết. Bạn nên chuẩn bị bằng cách giữ thói quen đọc ghi chú cập nhật mỗi khi lên bản mới.
Bài toán không phải là model đắt hay rẻ, mà là bạn có nhìn thấy tiền đi đâu hay không.
Ông T
Dữ liệu đo đạc sẽ trở thành công cụ thường ngày của người dùng nghiêm túc. Mức chắc chắn: có thể. Hôm nay OpenTelemetry là thứ của người đã quen kỹ thuật. Nếu các sự việc kiểu này lặp lại, nhu cầu xem usage theo nguồn sẽ lan sang người dùng thường. Bạn nên chuẩn bị bằng cách biết đường lấy dữ liệu ra, kể cả khi chưa cần dùng.
Cuộc tranh luận về minh bạch hạn mức sẽ còn tiếp. Mức chắc chắn: còn bỏ ngỏ. Người dùng gói đăng ký không thấy hóa đơn từng request, chỉ thấy hạn mức tụt. Liệu các hãng có công bố chi tiết hơn hay không, mình không có căn cứ để nói. Điều bạn làm được là giữ số đo của riêng mình.
VII.Bắt đầu từ đâu
Tóm lại: cơ chế được mô tả nghe vô lý nhưng có thể hiểu được, con số được nêu là đáng chú ý, nhưng đó vẫn là số của bên thứ ba và chưa được xác nhận. Cách đúng là đo của mình trước, rồi mới nghĩ tới nguyên nhân. Nếu số của bạn gần 16%, đây là một nghi phạm. Nếu không, bạn vừa loại được một giả thuyết, cũng có giá trị.
Ba việc bạn làm được ngay hôm nay:
- Kiểm tra xem bạn đã bật OpenTelemetry chưa. Nếu có, xuất dữ liệu một tuần gần nhất, nhóm theo query_source và tính tỷ trọng agent_summary.
- Ghi lại cách bạn dùng agent nền. Mỗi ngày bạn chạy bao nhiêu agent song song, chạy lâu cỡ nào. Số này giúp bạn đọc đúng kết quả đo.
- Theo dõi ghi chú cập nhật của Claude Code. Nếu Anthropic xác nhận hoặc sửa, bạn sẽ biết sớm và đo lại để so trước và sau.
Nếu có số, bạn kể mình nghe nhé: tỷ trọng của bạn có gần 16% như báo cáo không?
Câu hỏi thường gặp
agent_summary trong Claude Code là gì?
Theo báo cáo của Flamerix AI, đây là nhóm request mà Claude Code dùng để tạo dòng trạng thái ngắn 3-5 chữ cho từng background agent trong bảng agents. Tên agent_summary xuất hiện trong dữ liệu OpenTelemetry. Đây là mô tả của bên thứ ba, chưa thấy Anthropic xác nhận.
Có đúng là Claude Code gửi cả transcript lên model mỗi 30 giây không?
Theo báo cáo thì đúng, với mỗi background agent, và khoảng cách do server quyết định, thấp nhất khoảng 30 giây. Mình chưa thấy xác nhận chính thức nên chỉ có thể nói đó là kết quả quan sát của họ. Cách chắc nhất là xem dữ liệu OpenTelemetry của bạn.
Làm sao biết agent_summary chiếm bao nhiêu phần trăm usage của tôi?
Nếu đã bật OpenTelemetry, nhóm dữ liệu theo query_source, lấy tổng cost_usd của agent_summary chia cho tổng cost_usd cùng kỳ rồi đổi ra phần trăm. Chưa bật OpenTelemetry thì bạn không có cách chính xác tương đương, và các công cụ chỉ đọc log session sẽ không thấy các request này theo báo cáo.
Con số 16,4% có áp dụng cho tôi không?
Không nên áp thẳng. Đó là số của một nhóm đo trong một tuần với cách dùng của họ, và là chi phí ước tính chứ không phải hóa đơn. Tỷ trọng của bạn phụ thuộc vào việc bạn chạy bao nhiêu agent nền và chạy bao lâu.
Tôi chỉ chat một phiên thì có bị ảnh hưởng không?
Theo báo cáo, khoản này tính theo từng background agent, nên người chỉ chat một phiên và không chạy agent nền khả năng cao ít bị ảnh hưởng. Mình không có số đo cho trường hợp này, nên đây là suy luận từ mô tả cơ chế.
Có nên chạy đoạn mã chặn mà báo cáo đề xuất không?
Mình không khuyên. Họ chỉ kiểm tra trên Linux, macOS và Windows chưa được kiểm chứng, một lần cập nhật có thể làm nó hỏng âm thầm, và chính họ cảnh báo việc sửa hành vi client có thể đụng điều khoản dịch vụ. Với người dùng văn phòng, theo dõi và chờ chính hãng xử lý là an toàn hơn.
Anthropic đã sửa hoặc xác nhận chuyện này chưa?
Mình chưa thấy xác nhận hay thông báo sửa. Báo cáo chỉ ghi nhận có một chế độ tóm tắt gọn đã có sẵn trong một bản gần đây nhưng đang tắt, chỉ bật được từ phía server. Hãy theo dõi ghi chú cập nhật chính thức để biết thay đổi.


