Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Abrechnung und Kostenmanagement

Lektion 14 von 16 Aktualisiert am 30. Juli 2026 Entwickler
Auf dieser Seite
  1. Verstehen Sie, wofür Sie bezahlen
  2. Die Falle der kumulativen Historie
  3. Kosten in der Antwort ablesen
  4. Optimierungsstrategien
  5. Kosten in der Produktion verfolgen
  6. Kostenwarnungen
  7. Kernaussagen

Verstehen Sie, wofür Sie bezahlen

Die Responses API weist eine wichtige Abrechnungsdetail auf: In einer verketteten Konversation werden Sie für die gesamte Historie abgerechnet, auch wenn Sie diese nicht explizit erneut senden. Das Verständnis dieses Mechanismus ist unerlässlich, um Ihre Kosten in der Produktion zu kontrollieren.

Die Falle der kumulativen Historie

Mit previous_response_id rekonstruiert der Server automatisch den vollständigen Kontext. Dies ist für Entwickler bequem, bedeutet jedoch, dass Tokens akkumulieren:

TurnIhre NachrichtAbgerechnete Tokens (Eingabe)
150 Tokens50
230 Tokens + Historie Turn 1130
340 Tokens + Historie Turn 1–2350
425 Tokens + Historie Turn 1–3725

Das Wachstum ist quadratisch. Bis zum 10. Turn einer Konversation können die Eingabetokens 10 bis 50 Mal höher sein als Ihre ursprüngliche Nachricht.

Kosten in der Antwort ablesen

Jede Antwort enthält ein usage-Objekt mit den genauen Kosten:

{
  "usage": {
    "input_tokens": 450,
    "output_tokens": 280,
    "total_tokens": 730,
    "output_tokens_details": {
      "reasoning_tokens": 200
    },
    "cost_in_nano_usd": 1500000
  }
}

cost_in_nano_usd

Das Feld cost_in_nano_usd gibt die Kosten in Nano-Dollar an:

1.000.000.000 Nano-USD = 1 USD

Zur Umrechnung:

cost_usd = response.usage.cost_in_nano_usd / 1_000_000_000
print(f"Kosten dieser Anfrage: ${cost_usd:.6f}")

Reasoning-Tokens

Die reasoning_tokens in output_tokens_details werden mit dem Ausgabe-Token-Tarif abgerechnet. Sie können bei Reasoning-Modellen 50 bis 80 % der Ausgabetokens ausmachen.

Optimierungsstrategien

Gesprächslänge begrenzen

Statt unendlich zu verketteln, fassen Sie regelmäßig zusammen:

# Nach N Turns zusammenfassen und neu starten
if turn_count > 5:
    summary = client.responses.create(
        model="grok-4.20-0309-reasoning",
        input="Fassen Sie dieses Gespräch in 3 Schlüsselpunkten zusammen.",
        previous_response_id=last_id
    )
    # Neu starten, wobei die Zusammenfassung als neuer Kontext dient
    new_start = client.responses.create(
        model="grok-4.20-0309-reasoning",
        instructions=f"Vorheriger Kontext: {summary.output[0].content[0].text}",
        input=user_message
    )

Das richtige Modell wählen

Nicht alle Modelle kosten gleich viel. Nutzen Sie für einfache Aufgaben ein weniger leistungsfähiges (und günstigeres) Modell. Reservieren Sie Reasoning-Modelle für komplexe Probleme.

max_output_tokens steuern

Begrenzen Sie die Ausgabe, wenn Sie keine langen Antworten benötigen:

{
  "model": "grok-4.20-0309-reasoning",
  "input": "Beantworten Sie in einem Satz: Was ist die Hauptstadt Japans?",
  "max_output_tokens": 100
}

store: false nutzen, wann immer möglich

Unspeicherte Antworten werden nicht auf dem Server behalten. Dies reduziert die direkten Kosten nicht, vermeidet aber die Ansammlung unnötiger Daten.

Kosten in der Produktion verfolgen

Implementieren Sie systematisches Tracking:

import json
from datetime import datetime

def log_usage(response, user_id, feature):
    log_entry = {
        "timestamp": datetime.now().isoformat(),
        "user_id": user_id,
        "feature": feature,
        "response_id": response.id,
        "model": response.model,
        "input_tokens": response.usage.input_tokens,
        "output_tokens": response.usage.output_tokens,
        "reasoning_tokens": response.usage.output_tokens_details.reasoning_tokens,
        "cost_nano_usd": response.usage.cost_in_nano_usd,
        "cost_usd": response.usage.cost_in_nano_usd / 1e9
    }
    # Speichern Sie in Ihrem Logging-System
    save_to_db(log_entry)

Kostenwarnungen

Richten Sie Warnschwellen ein:

MAX_COST_PER_REQUEST = 0.05  # 5 US-Zent

cost = response.usage.cost_in_nano_usd / 1e9
if cost > MAX_COST_PER_REQUEST:
    alert(f"Teure Anfrage erkannt: ${cost:.4f} (Benutzer: {user_id})")

Kernaussagen

  • Verkettete Konversationen werden pro Turn für die gesamte Historie abgerechnet – quadratisches Wachstum
  • cost_in_nano_usd / 1 Milliarde = Kosten in USD
  • Reasoning-Tokens werden abgerechnet, sind aber in der Antwort unsichtbar
  • Fassen Sie lange Gespräche zusammen, um Kosten zu begrenzen
  • Implementieren Sie systematisches Kosten-Tracking pro Benutzer und pro Funktion