Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Arveldus ja kulude optimeerimine

Õppetund 9 / 12 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Põhjendustokenid sinu arvel
  2. Hinnakiri mudelite kaupa (juuli 2026)
  3. Jälgi iga päringu kulu
  4. Kulude optimeerimise strateegiad
  5. Eelarve jälgimine tootmiskeskkonnas
  6. Peamised punktid

Uuendatud 3. novembril 2026: Varasemad näited kasutasid vastuste API (Responses API) vastustes välju usage.prompt_tokens ja usage.completion_tokens, mis tegelikult paljastavad input_tokens, output_tokens ja nende üksikasjad (cached_tokens, reasoning_tokens): kood põhjustas vea AttributeError. Kulude jälgimine võtab nüüd arvesse vahemällu salvestatud sisendit ja nõuanne vähendada väljundi piirangut põhjenduste vähendamiseks on parandatud, kuna see piirang ei hõlma põhjendusi. Allikad: Mudelid ja hinnakiri · Parimad tavad.

Põhjendustokenid sinu arvel

Põhjendustokenite arveldus on xAI mudelite kasutamisel kriitilise tähtsusega aspekt. Neid tokeneid arveldatakse väljundtokenite määra alusel – see on kõrgeim määr – ja optimeerimata kasutamine võib kulud kiiresti üles ajada, eriti suure põhjenduskoormuse korral mudelil grok-4.5.

Uut aastal 2026 ja oluline mõista: hinnakujundus on astmeline. Tokeni hind sõltub päringu konteksti suurusest. Alla 200 000 sisendtokeni maksad standardset määra; sellest üle minnes hind kahekordistub.

Hinnakiri mudelite kaupa (juuli 2026)

Hind miljoni tokeni kohta.

Mudel Sisend < 200k Väljund < 200k Sisend ≥ 200k Väljund ≥ 200k
grok-4.5 $2.00 $6.00 $4.00 $12.00
grok-4.20-0309-reasoning $1.25 $2.50 $2.50 $5.00
grok-4.3 $1.25 $2.50 $2.50 $5.00
grok-build-0.1 $1.00 $2.00 $2.00 $4.00

Põhjendustokeneid arveldatakse veerus „Väljund“ toodud määra alusel. Mudeliga grok-4.5 alla 200 000 kontekstitokeni maksab iga miljon põhjendustokenit 6,00 dollarit; mudeliga grok-4.20-0309-reasoning 2,50 dollarit. Kui sinu sisend ületab 200 000 tokenit, need summad kahekordistuvad: vastavalt 12,00 ja 5,00 dollarit.

Jälgi iga päringu kulu

Vastuses olev objekt usage sisaldab tokenite loendureid; mõned xAI API vastused võivad sisaldada ka otseseid kuluvälju. Uuri oma mudeli tagastatud objekti usage ja kontrolli ametlikust dokumentatsioonist saadaolevaid välju. Vastasel juhul on käsitsi arvutamine lihtne:

response = client.responses.create(
    model="grok-4.5",
    input="Solve this dynamic programming problem...",
    reasoning={"effort": "high"}
)

# grok-4.5 hinnad alla 200k kontekstitokeni (Responses API loendab sisendi/väljundi kaupa)
usage = response.usage
input_cost = usage.input_tokens * 2.00 / 1_000_000
output_cost = usage.output_tokens * 6.00 / 1_000_000  # sisaldab põhjendusi
total_cost = input_cost + output_cost

print(f"Input cost: ${input_cost:.6f}")
print(f"Output cost: ${output_cost:.6f}")
print(f"Total cost: ${total_cost:.6f}")

Ettevaatust: see arvutus eeldab konteksti suurust alla 200 000 tokeni. Tootmiskeskkonnas peab sinu jälgija tuvastama kehtiva astme (vt allpool).

Kulude optimeerimise strateegiad

1. Kohanda koormus ülesandega

Esimene ja tõhusaim optimeerimine on valida mudelil grok-4.5 õige põhjenduskoormuse tase. Madal koormus võib tarbida oluliselt vähem põhjendustokeneid kui kõrge koormus:

# Sorteeri päringud keerukuse järgi
if complexity == "simple":
    effort = "low"      # lühike põhjendus
elif complexity == "medium":
    effort = "medium"   # keskmine põhjendus
else:
    effort = "high"     # sügav põhjendus

Kontrolli parameetri poolt aktsepteeritavaid täpseid väärtusi ametlikult mudelite lehelt.

2. Kasuta õiget mudelit

Tavapäraste põhjendusülesannete jaoks maksab grok-4.20-0309-reasoning hinnaga 2,50 $/M väljundit vähem kui poole grok-4.5 hinnast 6,00 $/M. Jäta lipulaevamudel ülesannetele, mis seda tõeliselt nõuavad. Koodi jaoks on grok-build-0.1 hinnaga 2,00 $/M väljundit veelgi ökonoomsem.

3. Püsi alla 200k tokeni astme

Hinnaaste on otsene hoob: päring 250 000 kontekstitokeniga maksab tokeni kohta kaks korda rohkem kui päring 150 000 tokeniga. Enne tohutu konteksti saatmist küsi endalt, kas selle jagamine mitmeks väiksemaks päringuks (vahekokkuvõtte tegemine) ei oleks nii odavam kui ka tõhusam.

4. Kasuta sisendi vahemällu salvestamist

xAI pakub vähendatud hinda juba vahemällu salvestatud sisendtokenite eest: korduvad sisendi prefiksid (süsteemi juhised, jagatud kontekst) maksavad ühest päringust teise korduskasutamisel vähem. Alla 200 000 tokeni maksab vahemällu salvestatud sisend mudeliga grok-4.5 0,30 dollarit miljoni kohta (tavalise 2,00 dollari asemel) ja mudeliga grok-4.20-0309-reasoning 0,20 dollarit (1,25 dollari asemel) (Mudelid ja hinnakiri, november 2026). Struktureeri oma sisendid nii, et stabiilsed osad oleksid alguses; vahemälu poolt teenindatud osa ilmub väljale usage.input_tokens_details.cached_tokens.

5. Määra väljundi piirangu suurus

Väljundi piirang (max_output_tokens vastuste API-s, max_completion_tokens vestluse lõpetamisel) piirab ainult nähtavat vastust: põhjendustokeneid sellesse ei arvestata. Selle vähendamine seega ei vähenda põhjendusi; see riskib vaid vastuse katkestamisega. xAI parimad tavad soovitavad määrata selle suuremaks kui eeldatavaim vastus või jätta selle vaikeväärtuseks 128 000 tokenit. Põhjenduste vähendamiseks vähenda koormust mudelitel, mis seda lubavad, või vali odavam mudel.

Eelarve jälgimine tootmiskeskkonnas

class CostTracker:
    # Hinnad MTok kohta: (sisend, vahemällu salvestatud sisend, väljund) konteksti astme kaupa
    RATES = {
        "grok-4.5": {"low": (2.00, 0.30, 6.00), "high": (4.00, 0.60, 12.00)},
        "grok-4.20-0309-reasoning": {"low": (1.25, 0.20, 2.50), "high": (2.50, 0.40, 5.00)},
        "grok-build-0.1": {"low": (1.00, 0.20, 2.00), "high": (2.00, 0.40, 4.00)},
    }
    TIER_THRESHOLD = 200_000  # sisendtokenid

    def __init__(self):
        self.total_cost = 0
        self.request_count = 0

    def track(self, response, model="grok-4.5"):
        usage = response.usage  # Responses API vastus
        details = usage.input_tokens_details
        cached = details.cached_tokens if details else 0
        tier = "high" if usage.input_tokens >= self.TIER_THRESHOLD else "low"
        rate_in, rate_cached, rate_out = self.RATES[model][tier]
        cost = (
            (usage.input_tokens - cached) * rate_in / 1e6
            + cached * rate_cached / 1e6
            + usage.output_tokens * rate_out / 1e6  # sisaldab põhjendusi
        )
        self.total_cost += cost
        self.request_count += 1
        return cost

Hinnad seisuga 5. august 2026 – hinnad muutuvad regulaarselt: enne eelarve arvutamist kontrolli kehtivat hinnakirja xAI ametlikul mudelite ja hindade lehel.

Peamised punktid

  • Põhjendustokeneid arveldatakse väljundtokenite määra alusel
    1. aasta hinnakiri on astmeline: üle 200 000 kontekstitokeni kahekordistub tokeni hind
  • grok-4.5 maksab alla 200k 2 $/6 $ MTok kohta (üle selle 4 $/12 $); grok-4.20-0309-reasoning maksab 1,25 $/2,50 $ (üle selle 2,50 $/5 $)
  • Kolm peamist hooba: kohanda põhjenduskoormus, vali õige mudel, püsi alla 200k astme
  • Jälgi oma kulusid päring-päringu haaval, võttes arvesse kehtivat astet