RPM ja TPM mallikohtaisesti
Tällä sivulla
Päivitys 2. marraskuuta 2026 — Imagine.
grok-imagine-image-qualitypoistettiin 2. marraskuuta 2026: sen pyynnöt käsitellään nyt mallilla Imagine Image 2.0 (grok-imagine-image-2.0, 0,04 $ per kuva) laadullalow. Korvaa tunniste esimerkeissäsi ja aseta haluamasi laatu;grok-imagine-image(versio 1.0) ei ole vaikuttunut. Imagine Image 2.0 hyväksyy jopa viisi vertailukuvaa ja laadunauto, joka on nyt oletusarvo.
Kaksi rajoittavaa mittaria

Grok-API ei mittaa käyttöäsi yhdellä laskurilla, vaan kahdella, jotka laukeavat toisistaan riippumatta: RPM (pyynnöt minuutissa) ja TPM (tokenia minuutissa). Yksi niistä voi estää sinut, vaikka olisit vielä kaukana toisen katosta. Seuraavan kannalta kriittistä: näitä kahta laskuria seurataan mallikohtaisesti, joten grok-4.5:n rajasi eivät vaikuta grok-4.3:n rajoihin.
Tämä ero ei ole pelkkä dokumentaation yksityiskohta. Se määrittää, miten mitoitat infrastruktuurisi, miten jaat kuormaa ja missä kohtaa palvelusi alkaa palauttaa virheitä ruuhkapäivänä.
RPM rajoittaa kutsujen määrää
RPM laskee kutsut niiden koosta riippumatta: kymmenen tokenin pyyntö ja satatuhannen tokenin pyyntö painavat täsmälleen saman verran. Viralliset mallitiedotteet ilmaisevat tämän pyyntöinä sekunnissa: 150 malleille grok-4.7 ja grok-4.5 (9 000 minuutissa), 37 mallille grok-4.3 (2 220 minuutissa). Tämä riittää tavalliselle keskustelusovellukselle.
RPM:stä tulee pullonkaula heti, kun pyyntösi ovat lukuisia ja lyhyitä. Putki, joka luokittelee tukipyyntöjä yksi kerrallaan tai poimii kolme entiteettiä lauseelta dokumenttikorpuksesta, kuluttaa kutsukiintiönsä loppuun kauan ennen kuin se lähestyy tokenikiintiötään. Tällöin ratkaisu ei ole pyytää lisää RPM:ää, vaan niputtaa useita kohteita yhteen kutsuun.
TPM rajoittaa käsiteltyä määrää
TPM summaa syöte- ja tulostetokenit liukuvalla minuutilla. Virallisten tietolehtien mukaan raja on 50 miljoonaa tokenia minuutissa malleille grok-4.7 ja grok-4.5 sekä 10 miljoonaa mallille grok-4.3. Käyttäytyminen on tässä täysin päinvastaista kuin edellisessä tapauksessa: vähän kutsuja, mutta erittäin raskaita.
Ota esimerkiksi dokumenttianalyysipalvelu, joka lähettää 50 000 tokenin kansioita. Mallilla grok-4.3 pyyntökatto sallisi 2 220 lähetystä minuutissa, mutta TPM pysäyttää sinut 200 dokumenttiin: 200 × 50 000 = 10 miljoonaa. Kyllästyt siis noin yhteen yhdestätoistaosasta teoreettista kapasiteettiasi kutsujen määrässä, eikä mikään rinnakkaistamisasetus anna sinun ylittää tätä seinää.
Mallikohtaiset rajoitukset
Katot eivät ole samat kutsutun mallin luonteesta riippuen, ja sinun on tunnettava tämä skaala ennen kuin lupaat läpimenoa asiakkaalle.
| Kategoria | Mallit | Raja (virallinen tietolehti) |
|---|---|---|
| Teksti | grok-4.7, grok-4.5 | 150 pyyntöä/s, 50M TPM |
| Teksti | grok-4.3 | 37 pyyntöä/s, 10M TPM |
| Kuva | grok-imagine-image, grok-imagine-image-2.0 | 6 pyyntöä/s |
| Video | grok-imagine-video, -1.5, -1.5-lite | 10 pyyntöä/s |
Nämä arvot perustuvat virallisiin mallitietolehtiin 2. marraskuuta 2026; tiimisi todelliset rajat näkyvät xAI-konsolissa.
Koska laskurit ovat riippumattomia, yhden mallin kyllästyminen ei estä muita. Jos grok-4.5 palauttaa 429-virheitä, grok-4.3 hyväksyy pyyntösi ikään kuin mitään ei olisi tapahtunut. Tämä on usein huomiotta jäävä läpimenovipu: odottamisen sijaan, että kiintiötä korotettaisiin, reititä yksinkertaiset tehtävät – luokittelu, poiminta, lyhyt yhteenveto – vähemmän kuormitetulle mallille, varaa grok-4.5 todella monimutkaiselle päättelylle ja jätä useiden alagenttien orkestrointi mallille grok-4.20-multi-agent-0309. Alustasi kokonaisläpimennosta tulee tällöin useiden kiintiöiden summa yhden sijaan.
Kulutuksen seuranta ilman erillisiä otsikoita
Grok-API ei palauta vastauksissaan otsikoita, jotka kertoisivat, kuinka paljon RPM:ää tai TPM:ää sinulla on jäljellä. Toisin sanoen mikään ei varoita sinua lähestyvästä katosta: ainoa tapa tietää tilanteesi on pitää kirjanpitoa itse, asiakaspuolella.
Tämä seuranta perustuu kolmeen elementtiin: pyyntölaskuri minuuttia kohden mallia kohden, tokenlaskuri, joka syötetään jokaisen vastauksen sisältämästä usage-objektista, ja hälytyskynnys, joka laukeaa noin 80 %:n kohdalla rajoista. Tämä viimeinen kohta on tärkein: hälytys 80 %:n kohdalla antaa sinulle aikaa säätää – jakaa kuormaa, tasoittaa lähetyksiä, käynnistää tason päivitys –, kun taas hälytys 100 %:n kohdalla vain vahvistaa käynnissä olevan häiriön.
Keskeiset asiat
- Rajat mitataan RPM:nä (pyynnöt/minuutti) ja TPM:nä (tokenia/minuutti)
- Tekstimallit tarjoavat vakiona 1 800 RPM ja 10M TPM
- Jokaisella mallilla on omat riippumattomat rajansa
- Kuorman jakaminen mallien välillä mahdollistaa tehokkaan läpimenon kertomisen
- Toteuta asiakaspuolen seuranta rajojen ennakoimiseksi