RPM και TPM ανά Μοντέλο
Σε αυτήν τη σελίδα
Ενημέρωση 2 Νοεμβρίου 2026 — Imagine. Το
grok-imagine-image-qualityκαταργήθηκε στις 2 Νοεμβρίου 2026: τα αιτήματά του εξυπηρετούνται πλέον από το Imagine Image 2.0 (grok-imagine-image-2.0, 0,04 $ ανά εικόνα) σε ποιότηταlow. Αντικαταστήστε το αναγνωριστικό στα παραδείγματά σας και ορίστε την επιθυμητή ποιότητα· τοgrok-imagine-image(έκδοση 1.0) δεν επηρεάζεται. Το Imagine Image 2.0 δέχεται έως και πέντε εικόνες αναφοράς και την ποιότηταauto, η οποία είναι πλέον η προεπιλογή.
Οι Δύο Μετρικές Περιορισμού

Το API του Grok δεν μετρά τη χρήση σας με έναν μόνο μετρητή, αλλά με δύο, οι οποίοι ενεργοποιούνται ανεξάρτητα: RPM (αιτήματα ανά λεπτό) και TPM (tokens ανά λεπτό). Μπορεί να αποκλειστείτε από το ένα ενώ βρίσκεστε ακόμη πολύ κάτω από το ανώτατο όριο του άλλου. Κρίσιμο για τη συνέχεια: αυτοί οι δύο μετρητές παρακολουθούνται ανά μοντέλο, επομένως τα όριά σας στο grok-4.5 δεν επηρεάζουν εκείνα του grok-4.3.
Αυτή η διάκριση δεν είναι απλώς λεπτομέρεια της τεκμηρίωσης. Καθορίζει τον τρόπο διαστασιολόγησης της υποδομής σας, την κατανομή του φορτίου και το ακριβές σημείο όπου η υπηρεσία σας θα αρχίσει να επιστρέφει σφάλματα κατά τη διάρκεια μιας ημέρας με αιχμή ζήτησης.
Το RPM Περιορίζει τον Αριθμό Κλήσεων
Το RPM μετρά τις κλήσεις, ανεξάρτητα από το μέγεθός τους: ένα αίτημα δέκα tokens και ένα αίτημα εκατό χιλιάδων tokens έχουν ακριβώς το ίδιο βάρος. Τα επίσημα φύλλα μοντέλων εκφράζουν αυτό το μέγεθος σε αιτήματα ανά δευτερόλεπτο: 150 για τα grok-4.7 και grok-4.5 (9.000 ανά λεπτό), 37 για το grok-4.3 (2.220 ανά λεπτό). Αυτό είναι επαρκές για μια τυπική εφαρμογή συνομιλίας.
Το RPM γίνεται το σημείο συμφόρησης μόλις τα αιτήματά σας είναι πολυάριθμα και σύντομα. Μια διαδικασία που ταξινομεί εισιτήρια υποστήριξης ένα προς ένα ή εξάγει τρεις οντότητες ανά πρόταση σε ένα σώμα εγγράφων, θα εξαντλήσει την ποσόστωση κλήσεων πολύ πριν πλησιάσει την ποσόστωση tokens. Σε αυτή την περίπτωση, η λύση δεν είναι να ζητήσετε περισσότερο RPM, αλλά να ομαδοποιήσετε πολλά στοιχεία σε μία μόνο κλήση.
Το TPM Περιορίζει τον Επεξεργασμένο Όγκο
Το TPM αθροίζει τα tokens εισόδου και εξόδου σε ένα κυλιόμενο λεπτό, με, σύμφωνα με τα επίσημα φύλλα, 50 εκατομμύρια tokens ανά λεπτό για τα grok-4.7 και grok-4.5, και 10 εκατομμύρια για το grok-4.3. Η συμπεριφορά εδώ είναι ακριβώς η αντίστροφη της προηγούμενης περίπτωσης: λίγες κλήσεις, αλλά πολύ βαριές.
Λάβετε ως παράδειγμα μια υπηρεσία ανάλυσης εγγράφων που στέλνει φακέλους των 50.000 tokens ο καθένας. Στο grok-4.3, το ανώτατο όριο αιτημάτων θα επέτρεπε 2.220 υποβολές ανά λεπτό, αλλά το TPM σταματά στα 200 έγγραφα: 200 × 50.000 = 10 εκατομμύρια. Επομένως, κορεσίζετε περίπου στο ένα ενδέκατο της θεωρητικής σας χωρητικότητας σε αριθμό κλήσεων και καμία ρύθμιση παραλληλισμού δεν θα σας επιτρέψει να ξεπεράσετε αυτό το τείχος.
Όρια Ειδικά για Κάθε Μοντέλο
Τα ανώτατα όρια διαφέρουν ανάλογα με τη φύση του μοντέλου που καλείται και πρέπει να γνωρίζετε αυτή την κλίμακα πριν υποσχεθείτε διακίνηση σε έναν πελάτη.
| Κατηγορία | Μοντέλα | Όριο (επίσημο φύλλο) |
|---|---|---|
| Κείμενο | grok-4.7, grok-4.5 | 150 αιτήματα/δευτ., 50M TPM |
| Κείμενο | grok-4.3 | 37 αιτήματα/δευτ., 10M TPM |
| Εικόνα | grok-imagine-image, grok-imagine-image-2.0 | 6 αιτήματα/δευτ. |
| Βίντεο | grok-imagine-video, -1.5, -1.5-lite | 10 αιτήματα/δευτ. |
Αυτές οι τιμές προέρχονται από τα επίσημα φύλλα μοντέλων της 2ας Νοεμβρίου 2026· τα ενεργά όρια της ομάδας σας εμφανίζονται στην κονσόλα xAI.
Επειδή οι μετρητές είναι ανεξάρτητοι, ο κορεσμός ενός μοντέλου δεν μπλοκάρει τα άλλα. Αν το grok-4.5 επιστρέφει σφάλματα 429, το grok-4.3 συνεχίζει να δέχεται τα αιτήματά σας σαν να μην συνέβη τίποτα. Αυτός είναι ένας μοχλός διακίνησης που συχνά παραβλέπεται: αντί να περιμένετε αύξηση της ποσόστωσης, δρομολογήστε απλές εργασίες—ταξινόμηση, εξαγωγή, σύντομη σύνοψη—σε ένα λιγότερο επιβαρημένο μοντέλο, κρατήστε το grok-4.5 για πραγματικά σύνθετη συλλογιστική και αφήστε τη ροή που συντονίζει πολλούς υπο-πράκτορες στο grok-4.20-multi-agent-0309. Η συνολική διακίνηση της πλατφόρμας σας γίνεται τότε το άθροισμα πολλών ποσοστώσεων αντί για μόνο μία.
Παρακολούθηση Κατανάλωσης Χωρίς Ειδικές Κεφαλίδες
Το API του Grok δεν επιστρέφει κεφαλίδες στις αποκρίσεις του που να υποδεικνύουν πόσο RPM ή TPM σας απομένει. Με άλλα λόγια, τίποτα δεν θα σας προειδοποιήσει ότι πλησιάζετε το ανώτατο όριο: ο μόνος τρόπος να γνωρίζετε πού βρίσκεστε είναι να κρατάτε εσείς τη λογιστική, στην πλευρά του πελάτη.
Αυτή η παρακολούθηση βασίζεται σε τρία στοιχεία: έναν μετρητή αιτημάτων ανά λεπτό ανά μοντέλο, έναν μετρητή tokens που τροφοδοτείται από το αντικείμενο usage που περιέχει κάθε απόκριση, και ένα κατώφλι ειδοποίησης που ενεργοποιείται γύρω στο 80% των ορίων. Αυτό το τελευταίο σημείο είναι το πιο σημαντικό: μια ειδοποίηση στο 80% σας αφήνει χρόνο να προσαρμοστείτε—να κατανείμετε το φορτίο, να εξομαλύνετε τις υποβολές, να ενεργοποιήσετε αναβάθμιση επιπέδου—ενώ μια ειδοποίηση στο 100% απλώς επιβεβαιώνει το συμβάν που είναι ήδη σε εξέλιξη.
Βασικά σημεία
- Τα όρια μετρώνται σε RPM (αιτήματα/λεπτό) και TPM (tokens/λεπτό)
- Τα μοντέλα κειμένου προσφέρουν ως στάνταρ 1.800 RPM και 10M TPM
- Κάθε μοντέλο διαθέτει τα δικά του ανεξάρτητα όρια
- Η κατανομή του φορτίου μεταξύ μοντέλων επιτρέπει τον πολλαπλασιασμό της πραγματικής διακίνησης
- Υλοποιήστε παρακολούθηση στην πλευρά του πελάτη για να προβλέπετε τα όρια