Kostenfelder in Antworten
Auf dieser Seite
Kosten in Echtzeit verfolgen
Jede Grok-API-Antwort enthält die Details zu den gerade entstandenen Kosten. Viele Teams entdecken diese Informationen zu spät, erst wenn die monatliche Rechnung eintrifft, obwohl sie pro Anfrage verfügbar sind. Wenn Sie diese Daten ab dem Beginn der Integration nutzen, erkennen Sie Abweichungen innerhalb einer Stunde ihres Auftretens: ein Systemprompt, der nach einem Deployment auf das Doppelte angewachsen ist, ein schlecht kalibrierter Retry-Loop, der dieselben Aufrufe wiederholt, oder ein Kontext, der eine Abrechnungs-Grenze überschreitet. Ohne dieses Tracking bleiben solche Vorfälle bis zur Abrechnung unsichtbar.
Das usage-Objekt
Jede Antwort enthält ein usage-Objekt, das den Token-Verbrauch und die damit verbundenen Kosten detailliert:
{
"usage": {
"prompt_tokens": 1250,
"completion_tokens": 340,
"total_tokens": 1590,
"cached_tokens": 800,
"cost_in_usd_ticks": 5000000000,
"cost_in_nano_usd": 500000000
}
}
Die vier Zählfelder lassen sich wie folgt lesen.
| Feld | Bedeutung |
|---|---|
prompt_tokens | Anzahl der Eingabetokens (Ihr vollständiger Prompt) |
completion_tokens | Anzahl der Ausgabetokens (Die Antwort des Modells) |
total_tokens | Summe aus Eingabe- und Ausgabetokens |
cached_tokens | Eingabetokens, die aus dem Cache bedient wurden |
Ein Detail verhindert einen häufigen Fehler: cached_tokens ist in prompt_tokens enthalten und wird nicht dazu addiert. Im obigen Beispiel traten 1.250 Tokens in das Modell ein, 800 stammten aus dem Cache, und nur 450 wurden mit dem vollen Tarif abgerechnet. Wenn Ihr Aggregator beide Felder addiert, wird der gecachte Anteil doppelt gezählt, und Ihre Volumenstatistiken werden künstlich aufgebläht.
Zwei Skalen für dieselben Kosten
Die Kosten der Anfrage werden in zwei Ganzzahleinheiten bereitgestellt. Diese Wahl ist nicht willkürlich: Die Darstellung von Bruchteilen eines Zent in Gleitkommazahlen führt zu Rundungsfehlern, die sich bei der Aggregation von Millionen von Aufrufen sichtbar machen. Ganzzahlen vermeiden dieses Problem vollständig.
Das Feld cost_in_usd_ticks zählt in „Ticks” mit 10 Milliarden Ticks pro Dollar. Der Wert 5.000.000.000 im Beispiel entspricht daher 0,50 USD, und eine Million Ticks entsprechen 0,0001 USD. Die Umrechnung passt in eine Zeile:
cost_usd = cost_in_usd_ticks / 10_000_000_000
Das Feld cost_in_nano_usd zählt in Nano-Dollar mit einer Milliarde Nano-Dollar pro Dollar. Die 500.000.000 im Beispiel stellen den gleichen Betrag dar, 0,50 USD, und tausend Nano-Dollar entsprechen 0,000001 USD. Die Umrechnung folgt derselben Logik:
cost_usd = cost_in_nano_usd / 1_000_000_000
Beide Felder beschreiben den gleichen Betrag in unterschiedlichen Skalen. cost_in_nano_usd ist intuitiver zu handhaben, während cost_in_usd_ticks eine geringfügig höhere Präzision bietet. Wählen Sie eine und bleiben Sie in Ihrer gesamten Messkette dabei: Das Mischen beider in derselben Aggregation ist der beste Weg, um inkonsistente Gesamtwerte zu erhalten.
Einen Kosten-Tracker erstellen
In der Produktion reicht ein einzelner Akkumulator aus, um diese Felder in ein Dashboard zu verwandeln. Die Klasse unten zeichnet jedes usage-Objekt auf und stellt die kumulierten Kosten sowie die Cache-Rate bereit:
class CostTracker:
def __init__(self):
self.total_nano_usd = 0
self.requests = 0
self.input_tokens = 0
self.output_tokens = 0
self.cached_tokens = 0
def record(self, usage):
self.total_nano_usd += usage.get("cost_in_nano_usd", 0)
self.requests += 1
self.input_tokens += usage.get("prompt_tokens", 0)
self.output_tokens += usage.get("completion_tokens", 0)
self.cached_tokens += usage.get("cached_tokens", 0)
@property
def total_cost_usd(self):
return self.total_nano_usd / 1_000_000_000
@property
def cache_rate(self):
if self.input_tokens == 0:
return 0
return self.cached_tokens / self.input_tokens
Anschließen Sie Schwellenwerte an total_cost_usd. Ein erster Schwellenwert bei 80 % des täglichen Budgets löst eine informative Warnung für das technische Team aus; ein zweiter bei 95 % wird zu einer kritischen Warnung, die eine menschliche Entscheidung erfordert; bei 100 % schneidet die Anwendung automatisch nicht-kritische Anfragen ab – Batch-Jobs, Vorabrechnungen, verzögerte Anreicherungen – und erlaubt nur noch direkten Benutzerverkehr. Diese sanfte Degradierung ist besser als ein plötzlicher Dienstausfall an einem Spitzen-Tag.
Die Cache-Rate analysieren
Die cache_rate-Eigenschaft verdient ein eigenes Dashboard, da sie direkt die Qualität Ihrer Prompt-Struktur widerspiegelt.
| Cache-Rate | Interpretation |
|---|---|
| 0 bis 20 % | Keine effektive Caching, Prompt-Struktur überprüfen |
| 20 bis 50 % | Teilweises Caching, Stabilität der Systemprompts prüfen |
| 50 bis 80 % | Gute Rate für Gespräche |
| 80 % und höher | Ausgezeichnet, typisch für lange, stabile Prompts |
Eine Rate, die von einer Woche zur nächsten stark abfällt, ist fast immer ein Zeichen dafür, dass ein Deployment eine Variable am Anfang des Prompts eingeführt hat. Die nächste Lektion erläutert den Mechanismus; denken Sie für jetzt daran, dass diese Kennzahl ein Regressionsindikator ist, der genauso wertvoll ist wie eine Fehlerrate.
Preise vom 5. August 2026 – Preise entwickeln sich regelmäßig: Bevor Sie eine Budgetberechnung durchführen, prüfen Sie die aktuelle Preisliste auf der offiziellen xAI-Modell- und Preis-Seite.
Kernaussagen
- Jede API-Antwort enthält ein
usage-Objekt mit Token-Details und Kosten cost_in_usd_ticks: 10 Milliarden Ticks = 1 USDcost_in_nano_usd: 1 Milliarde Nano-USD = 1 USD- Das Feld
cached_tokensmisst die Cache-Effizienz - Erstellen Sie in der Produktion einen Kosten-Tracker mit Budget-Warnungen