TÓM TẮT

Bài viết chia sẻ một phương án xây dựng pool tài khoản Google Pro + CLIProxyAPI + CPA-Manager-Plus trên VPS ở nước ngoài, nhằm dùng nhiều tài khoản luân phiên để phục vụ khối lượng lớn các tác vụ AI coding qua Claude Code/Agent SDK. Tác giả tuyên bố đã thử nghiệm thực tế với 24 tài khoản, thực hiện hơn 43.000 request, đạt 99,88% success rate, tốc độ generation trung bình khoảng 550–800+ TPS và Prompt Cache hit rate 95,1%.

Kiến trúc tổng thể gồm:

1. Chuẩn bị pool tài khoản Google Pro

   • Mua hàng loạt tài khoản đã được chuẩn bị sẵn với giá khoảng 35 NDT/tài khoản.
   • Mỗi tài khoản được cho là có khoảng 1B token/tuần nhưng chịu giới hạn quota theo cửa sổ 5 giờ.
   • Dùng khoảng 15–20 tài khoản và load balancing để có lượng token rất lớn.
   • Tài khoản đi kèm Refresh Token nên có thể import trực tiếp vào gateway.
   • Tác giả khuyến cáo chỉ thay 2FA, không đổi password để tránh kích hoạt Google risk control.

1. Triển khai gateway

   • Backend sử dụng open-source project CLIProxyAPI.
   • Web dashboard sử dụng CPA-Manager-Plus.
   • Khuyến nghị VPS ở nước ngoài, đặc biệt Tokyo, Nhật Bản.
   • Tác giả còn đề xuất dùng Cloudflare WARP làm outbound gateway nhằm che IP datacenter thực.
   • Toàn bộ Docker/network/config có thể giao cho Claude Code, Codex hoặc Cursor Agent tự triển khai.

2. Import và quản lý tài khoản

   • Có thể chuyển danh sách credential thành JSON rồi import hàng loạt vào /opt/cpa/auths/.
   • Nếu Refresh Token hết hiệu lực thì bổ sung lại bằng OAuth.
   • CPA-Manager-Plus hiển thị trạng thái credential, request frequency, quota 5 giờ và quota 7 ngày.
   • Nhiều tài khoản được quay vòng để phân bổ tải.

3. Hai biện pháp né risk control mà tác giả đề xuất

   • Ở network layer: route outbound traffic qua Cloudflare WARP để làm mờ nguồn IP VPS.
   • Ở protocol layer: chèn Zero-width space vào các chuỗi fingerprint cố định như "Claude Agent SDK" nhằm tránh một dạng 429 mà tác giả cho rằng thực chất là fingerprint blocking chứ không phải Rate Limit thật.

4. Cấu hình Claude Code

   • Map các model tier của Claude Code sang gemini-3.8-flash-high[1m].
   • Đặt context tối đa thành 1.000.000 tokens.
   • Timeout 50 phút.
   • Đặt reasoning effort ở mức max.

5. Số liệu production mà tác giả công bố

   • 43.216 request, trong đó 43.164 thành công.
   • Success rate: 99,88%.
   • Chỉ 7 lần gặp 429.
   • Context đầu vào trung bình lên tới 188.000 tokens/request.
   • Time to first token khoảng hơn 3 giây.
   • Generation TPS P50: 168,5 tokens/s.
   • P90: 1.023,8 tokens/s.
   • Trung bình: 549,6 tokens/s.
   • Trung bình 24 giờ gần nhất: 788,5 tokens/s.
   • Trung bình 1 giờ gần nhất: 829,6 tokens/s.
   • Peak được tuyên bố vượt 46.000 tokens/s.
   • Tổng throughput: 8,169 tỷ tokens.
   • Prompt Cache read: 7,746 tỷ tokens.
   • Cache hit rate toàn cục: 95,1%.
   • Tác giả cho rằng hạ tầng Google hỗ trợ implicit prefix cache xuyên tài khoản, giúp hơn 95% context được cache và giữ first-token latency ở mức khoảng 3 giây.

Kết luận của tác giả: với chi phí tài khoản thấp cộng với VPS và vài phút triển khai bằng Agent, có thể tạo một model pool phục vụ AI coding với concurrency cao, tốc độ generation rất lớn và context 1M.

---

BẢN DỊCH TOÀN BỘ

Qua thử nghiệm thực tế trên node VPS ở Nhật Bản, với 43.000 lượt production call cường độ cao, tốc độ generation trung bình ổn định ở mức 550–800+ TPS, success rate đạt 99,88%, Prompt Cache hit rate lên tới 95,1%.

Dưới đây là toàn bộ kiến trúc triển khai, các chi tiết cần tránh và hướng dẫn bắt đầu sử dụng.

1. Chuẩn bị tài khoản: vào cuộc bằng tài khoản thành phẩm mua hàng loạt

Cốt lõi của việc xây dựng account pool là có được credential Google Pro ổn định với chi phí cực thấp:

Địa chỉ mua tài khoản thành phẩm: https://wzyp.cn/item/bu7mcn (35 NDT/tài khoản)

Quy mô pool: quota của một tài khoản trong một tuần vào khoảng 1B, nhưng vì có giới hạn quota theo cửa sổ 5 giờ, nên cần dùng nhiều tài khoản để load balancing. Về cơ bản, khoảng 15–20 tài khoản là có thể đạt trạng thái gần như “token dùng thoải mái”.

Các tài khoản do nền tảng bán key cung cấp đã vượt qua bước kiểm tra risk control. Format giao hàng thông thường như sau:

Những điểm quan trọng để tránh lỗi và risk control:

Chỉ thay 2FA, tuyệt đối không đổi password: Tài khoản mới được giao mà đổi password từ một vị trí địa lý khác rất dễ kích hoạt hệ thống risk control của Google. Sau khi nhận secret key, hãy import thẳng vào Authenticator mà bạn thường dùng — hoặc xem verification code tại 2fa.show — và giữ nguyên password ban đầu là ổn định nhất.

Không cần đăng nhập web từng tài khoản: Trong credential được giao đã có sẵn Refresh Token. Sau đó chỉ cần batch import trực tiếp vào gateway, tránh được quy trình web authorization thủ công rườm rà. Nếu Refresh Token của một số tài khoản hết hiệu lực thì đăng nhập web thủ công cho các tài khoản đó.

2. Triển khai gateway: không cần tự gõ một dòng lệnh nào, giao hết cho Agent

Nền tảng điều phối được cấu thành từ hai open-source project đã khá hoàn thiện:

Core proxy backend: https://github.com/router-for-me/CLIProxyAPI

Web dashboard trực quan: https://github.com/seakee/CPA-Manager-Plus

Về server, cực kỳ khuyến nghị sử dụng VPS ở nước ngoài. Datacenter tại Tokyo, Nhật Bản — chẳng hạn SoftBank, IIJ hoặc các tuyến BGP chất lượng cao — là lựa chọn tốt nhất: latency về Trung Quốc rất thấp, đồng thời kết nối Google API cực kỳ mượt.

💡 Mẹo chống khóa: Để hạn chế hơn nữa khả năng Google đánh dấu IP datacenter bằng risk control, tác giả đặc biệt khuyến nghị cấu hình Cloudflare WARP trên VPS làm outbound route, để outbound traffic được forward thông qua WARP Anycast IP, qua đó làm mờ IP của origin server.

Việc cấu hình reverse proxy và container không cần tự gõ command. Sau khi kết nối tới VPS ở nước ngoài, chỉ cần copy đoạn Prompt bên dưới rồi đưa thẳng cho Claude Code, Codex hoặc Cursor của bạn, để Agent tự động viết configuration và khởi động service:

Agent sẽ tự động ghi configuration file xuống disk, thiết lập network và khởi chạy Docker. Chỉ vài phút là hoàn thành phần infrastructure cơ bản.

3. Import tài khoản và giám sát dashboard tổng thể

Sau khi gateway đã chạy, tiến hành đưa account credential vào:

Batch import (khuyến nghị)

Cho script hoặc Agent đọc danh sách credential đã mua, batch generate JSON theo format bên dưới rồi lưu vào thư mục:

/opt/cpa/auths/

trên server.

CLIProxyAPI sẽ tự động load các credential và bắt đầu scheduling.

Bổ sung thủ công bằng OAuth (phương án dự phòng)

Nếu Refresh Token của một số rất ít tài khoản hết hiệu lực, vào mục “OAuth Login” trong CPA-Manager-Plus, chọn Antigravity OAuth, nhấn “Start Antigravity Login”, sau đó làm theo hướng dẫn để hoàn thành web authorization và bổ sung credential:

Giám sát credential và quota dashboard

Trong mục “Credential Management” của dashboard, bạn có thể theo dõi health của toàn bộ pool theo thời gian thực:

Dashboard sẽ hiển thị trạng thái real-time, request frequency, thanh quota rolling 5 giờ và usage quota 7 ngày của từng credential.

Khi xoay vòng 15–20 tài khoản, quota của từng tài khoản vừa được sử dụng vừa dần hồi lại, vì vậy theo mô tả của tác giả, gần như rất khó dùng cạn toàn bộ pool.

4. Hai chiêu chống risk control: làm mờ outbound IP và Zero-width character cho sensitive keyword

Muốn 15–20 tài khoản chạy concurrent với tần suất cao trong thời gian dài mà không gặp sự cố thì cần chuẩn bị hai lớp phòng vệ:

Network layer: VPS chạy Cloudflare WARP để làm mờ outbound IP

Các dải IP datacenter của nhiều nhà cung cấp VPS rất dễ bị Google đánh dấu. Tác giả đặc biệt khuyến nghị cài Cloudflare WARP trên VPS ở nước ngoài để làm outbound gateway.

Bằng cách route outbound traffic của VPS sang pool Anycast IP của Cloudflare WARP, có thể che IP server thực và phân tán đặc trưng của request; theo tác giả, điều này giúp tránh hệ thống risk control liên kết request với một số dải IP datacenter cụ thể cũng như việc chặn bằng CAPTCHA.

Protocol layer: dùng Zero-width character để tránh lỗi 429 “giả”

Khi gọi Claude Code hoặc Agent SDK với tần suất cao, request thường chứa những fingerprint cố định như "Claude Agent SDK".

Theo bài viết, backend của Google có thể trực tiếp chặn request này nhưng hiển thị dưới dạng lỗi 429 Rate Limit.

Cách giải quyết mà tác giả đưa ra là cấu hình obfuscation cho sensitive keyword trong config.yaml của CLIProxyAPI:

Sau khi bật, trước khi forward request, gateway sẽ tự động chèn Zero-width space vô hình vào chuỗi. Theo tác giả, việc này phá fingerprint detection của Google nhưng không ảnh hưởng đến semantic understanding của model, qua đó loại bỏ dạng 429 giả nói trên.

5. Cấu hình client: bắt đầu dùng Claude Code

Trong local terminal, cấu hình alias để map toàn bộ các model tier của Claude Code sang gemini-3.8-flash-high[1m] có context 1 triệu tokens trên gateway:

Giải thích các parameter quan trọng:

CLAUDE_CODE_MAX_CONTEXT_TOKENS=1000000: gỡ giới hạn mặc định 200.000 Tokens, sử dụng đầy đủ context 1 triệu tokens.

ANTHROPIC_MODEL và ba tier model: tất cả được map thống nhất sang gemini-3.8-flash-high[1m], cân bằng giữa deep reasoning và tốc độ response rất nhanh.

API_TIMEOUT_MS=3000000: tăng timeout cho mỗi request lên 50 phút, nhằm xử lý các tác vụ code dài và phức tạp.

CLAUDE_CODE_EFFORT_LEVEL=max: bật reasoning depth ở mức tối đa.

6. Production cluster thực chiến: số liệu thực tế cực nặng

Tốc độ thực tế của cách làm này khủng đến mức nào?

Hãy xem trực tiếp record trong database của production gateway thực tế mà chúng tôi chạy trên VPS ở Nhật Bản — tổng cộng 24 tài khoản được gắn vào hệ thống:

Availability và quy mô request

Tổng số request: 43.216

Số request thành công: 43.164

Success rate tổng thể: 99,88%

Số lần lỗi 429: trong hơn 43.000 request cường độ cao, chỉ xuất hiện 7 lần 429.

Hiệu năng latency

(Context input trung bình mỗi request lên tới 188.000 Tokens)

Ngay cả khi nạp một codebase với context dài gần 200.000 Tokens, chỉ mất hơn 3 giây là model đã bắt đầu trả token đầu tiên.

Tốc độ generation cực mạnh

(TPS – Tokens Per Second)

Trong giai đoạn generation thuần túy — sau khi loại trừ network latency trước token đầu tiên và thời gian reasoning ban đầu:

Pure generation TPS median (P50): 168,5 tokens/s

Pure generation TPS percentile 90 (P90): 1.023,8 tokens/s

Pure generation TPS trung bình: 549,6 tokens/s (trung bình 24 giờ gần nhất đạt 788,5 tokens/s; trung bình 1 giờ gần nhất đạt 829,6 tokens/s)

Tốc độ pure generation peak: vượt 46.000+ tokens/s

Việc generate hàng nghìn dòng code thường chỉ mất vài giây là chạy hết, không còn cảm giác phải ngồi chờ model chậm chạp nhả từng đoạn text.

Throughput 8,169 tỷ Token và cache xuyên tài khoản

Tổng Tokens đã tiêu thụ: 8,169 tỷ

Input Tokens: 8,145 tỷ

Output và reasoning Tokens: 24,5 triệu

Prompt Cache read: 7,746 tỷ

Global cache hit rate: 95,1%

Theo tác giả, infrastructure của Google hỗ trợ implicit prefix cache xuyên tài khoản. Hơn 95% context được cache hit gần như tức thì, giúp giảm mạnh chi phí truyền tải/xử lý context; đây cũng là yếu tố cốt lõi giúp first-token latency có thể được giữ ở mức khoảng 3 giây.

7. Tổng kết

Chi phí tài khoản chỉ vài chục NDT + vài phút triển khai tự động bằng Agent, đổi lại là cả một model pool ở cấp độ production: concurrency gần như không giới hạn, có thể nhả hàng nghìn chữ trong vài giây và đi kèm context 1M.

Những ai sử dụng AI programming ở cường độ cao thì nên sớm dựng cho mình một bộ như vậy.