Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Laskutus ja kustannusten optimointi

Oppitunti 9 / 12 Päivitetty 3. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Päättelytokenit laskussasi
  2. Hinnoittelu malleittain (heinäkuu 2026)
  3. Seuraa jokaisen pyynnön kustannuksia
  4. Kustannusten optimointistrategiat
  5. Budjetin seuranta tuotannossa
  6. Keskeiset asiat

Päivitetty 3. marraskuuta 2026: Aiemmat esimerkit käyttivät kenttiä usage.prompt_tokens ja usage.completion_tokens Responses API:n vastauksissa, jotka paljastavat kentät input_tokens, output_tokens ja niiden yksityiskohdat (cached_tokens, reasoning_tokens): koodi aiheutti AttributeError-virheen. Kustannusseuranta ottaa nyt huomioon välimuistiin tallennetun syötteen, ja neuvoa laskea tulostusrajoitusta päättelyn rajoittamiseksi on korjattu, sillä tämä raja ei huomioi päättelyä. Lähteet: Mallit ja hinnoittelu · Parhaat käytännöt.

Päättelytokenit laskussasi

Päättelytokenien laskutus on kriittinen osa xAI-mallien käyttöä. Näistä tokeneista veloitetaan ulostulotokenien hinta – joka on korkein hinta – ja optimoimaton käyttö voi nostaa kustannuksia nopeasti, erityisesti grok-4.5-mallilla käytettäessä suurta päättelypanostusta.

Uutta vuonna 2026 ja tärkeää ymmärtää: hinnoittelu on porrasteista. Tokenin hinta riippuu pyynnön kontekstin koosta. Alle 200 000 kehystokenin pyynnöistä maksat perushinnan; tämän ylittyessä hinta kaksinkertaistuu.

Hinnoittelu malleittain (heinäkuu 2026)

Hinta miljoonaa tokenia kohden.

Model Input < 200k Output < 200k Input ≥ 200k Output ≥ 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

Päättelytokeneista veloitetaan “Output”-sarakkeen hinta. Grok-4.5:llä alle 200 000 tokenin kontekstissa miljoona päättelytokenia maksaa 6,00 dollaria; grok-4.20-0309-reasoningilla 2,50 dollaria. Jos kehotteesi ylittää 200 000 tokenia, nämä summat kaksinkertaistuvat: 12,00 dollaria ja 5,00 dollaria.

Seuraa jokaisen pyynnön kustannuksia

Vastauksen usage-objekti sisältää tokenilaskurit; jotkin xAI API:n vastaukset voivat sisältää myös suoria kustannuskenttiä. Tarkista mallisi palauttama usage-objekti ja virallisesta dokumentaatiosta saatavilla olevat kentät. Muussa tapauksessa manuaalinen laskeminen on suoraviivaista:

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

# grok-4.5-hinnat alle 200k kontekstitokenilla (Responses API laskee syötteen/ulostulon)
usage = response.usage
input_cost = usage.input_tokens * 2.00 / 1_000_000
output_cost = usage.output_tokens * 6.00 / 1_000_000  # sisältää päättelyn
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}")

Varoitus: tämä laskelma olettaa kontekstin olevan alle 200 000 tokenia. Tuotantoympäristössä seurantasysteemisi tunnistaa sovellettavan tason (katso alla).

Kustannusten optimointistrategiat

1. Sovata panostus tehtävään

Ensimmäinen ja tehokkain optimointi on valita oikea päättelypanostuksen taso grok-4.5-mallilla. Matala panostus voi kuluttaa huomattavasti vähemmän päättelytokeneita kuin korkea panostus:

# Lajittele pyynnöt monimutkaisuuden mukaan
if complexity == "simple":
    effort = "low"      # lyhyt päättely
elif complexity == "medium":
    effort = "medium"   # välitason päättely
else:
    effort = "high"     # syvä päättely

Tarkista parametrille hyväksytyt tarkat arvot viralliselta mallisivulta.

2. Käytä oikeaa mallia

Yleisissä päättelytehtävissä grok-4.20-0309-reasoning hintaan 2,50 $/M ulostulo maksaa alle puolet grok-4.5:n hinnasta (6,00 $/M). Varaa lippulaivamalli tehtäviin, jotka todella vaativat sitä. Koodaukseen grok-build-0.1 hintaan 2,00 $/M ulostulo on vielä taloudellisempi.

3. Pysy alle 200 000 tokenin tasolla

Hinnoittelutaso on suora vipu: 250 000 tokenin kontekstin pyyntö maksaa tokenia kohden kaksi kertaa enemmän kuin 150 000 tokenin pyyntö. Ennen valtavan kontekstin lähettämistä kysy itseltäsi, olisiko sen jakaminen useampaan pienempään pyyntöön (tai välitiivistelmän käyttö) sekä halvempaa että tehokkaampaa.

4. Hyödynnä kehotteen välimuistia

xAI tarjoaa alennettua hinnoittelua syöttötokeneille, jotka ovat jo välimuistissa: toistetut kehotteen etuliitteet (järjestelmäohjeet, jaettu konteksti) maksavat vähemmän, kun niitä käytetään uudelleen pyynnöstä toiseen. Alle 200 000 tokenin kohdalla välimuistissa oleva syöte maksaa 0,30 dollaria miljoonaa tokenia kohden grok-4.5:llä (normaalin 2,00 dollarin sijaan) ja 0,20 dollaria grok-4.20-0309-reasoningilla (normaalin 1,25 dollarin sijaan) (Mallit ja hinnoittelu -sivu, marraskuu 2026). Rakenna kehotteesi siten, että vakaat osat ovat alussa; välimuistista haettu osa näkyy kohdassa usage.input_tokens_details.cached_tokens.

5. Mitoita tulostusrajoitus

Tulostusrajoitus (max_output_tokens Responses API:ssa, max_completion_tokens Chat Completionsissa) rajoittaa vain näkyvää vastausta: päättelytokenit eivät lasketa tähän raja-arvoon. Sen alentaminen ei siis vähennä päättelyä; se riskaa vain katkaista vastauksen. xAI:n parhaat käytännöt suosittelevat asettamaan sen odotettua pisimmän vastauksen yläpuolelle tai jättämään sen oletusarvoon 128 000 tokenia. Päättelyn vähentämiseksi laske panostusta malleissa, jotka sen sallivat, tai valitse edullisempi malli.

Budjetin seuranta tuotannossa

class CostTracker:
    # Hinnat per MTok: (syöte, välimuistissa oleva syöte, ulostulo) kontekstitason mukaan
    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  # kehystokenit

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

    def track(self, response, model="grok-4.5"):
        usage = response.usage  # Responses API -vastaus
        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  # sisältää päättelyn
        )
        self.total_cost += cost
        self.request_count += 1
        return cost

Hinnoittelu 5. elokuuta 2026 – hinnat muuttuvat säännöllisesti: ennen budjettilaskelmia tarkista nykyinen hinnasto xAI:n viralliselta mallit ja hinnoittelu -sivulta.

Keskeiset asiat

  • Päättelytokeneista veloitetaan ulostulotokenien hinta
  • Vuoden 2026 hinnoittelu on porrasteista: yli 200 000 kontekstitokenin kohdalla tokenin hinta kaksinkertaistuu
  • grok-4.5 maksaa 2 $/6 $ per MTok alle 200k:n kohdalla (4 $/12 $ yli); grok-4.20-0309-reasoning maksaa 1,25 $/2,50 $ (2,50 $/5 $ yli)
  • Kolme tärkeintä vipua: sovata päättelypanostus, valita oikea malli, pysyä alle 200 000 tokenin tasolla
  • Seuraa kustannuksiasi pyyntö kerrallaan huomioiden sovellettava taso