Edistyneet kulutusraportit
Tällä sivulla
Kulutusraporttien laatiminen
Kulutusdata, jota kukaan ei tarkastele, on hyödytöntä. Raportti on hyödyllinen vain, jos se vastaa todelliseen kysymykseen. Kysymyksiä on vain kolme: kasvaako kulutus, onko tapahtunut jotain epänormaalia ja mihin rahat menevät.
Seuraavat kolme osiota käsittelevät nämä kysymykset tässä järjestyksessä. Jokainen tuottaa luvun, jonka pohjalta voit toimia – ei vain uutta kaaviota.
Kuukausittainen vertailuraportti
Kulutus saa merkityksensä vain vertailussa. 400 dollaria kuukaudessa ei ole absoluuttisesti ottaen hyvää eikä huonoa: ratkaisevaa on, seuraako se 200 dollarin kuukautta vai 600 dollarin kuukautta. Kontekstualoi muutokset aina toiminnan tuntemuksesi perusteella – 40 %:n nousu ominaisuuden julkaisun jälkeen on odotettavissa, sama nousu ilman uutta vaatii seuraavan osion avaamista.
import requests
import json
MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."
def get_monthly_usage(year, month):
"""Retrieves total consumption for a given month."""
next_month = month + 1 if month < 12 else 1
next_year = year if month < 12 else year + 1
response = requests.post(
f"{MANAGEMENT_API}/v1/billing/teams/{TEAM_ID}/usage",
headers={
"Authorization": f"Bearer {MGMT_KEY}",
"Content-Type": "application/json"
},
json={
"analyticsRequest": {
"timeRange": {
"startTime": f"{year}-{month:02d}-01 00:00:00",
"endTime": f"{next_year}-{next_month:02d}-01 00:00:00",
"timezone": "Europe/Paris"
},
"timeUnit": "MONTH",
"values": [
{"name": "tokens", "aggregation": "SUM"},
{"name": "requests", "aggregation": "COUNT"}
],
"groupBy": ["model"]
}
}
)
return response.json()
# Compare March and April 2026
march = get_monthly_usage(2026, 3)
april = get_monthly_usage(2026, 4)
print("=== Comparative Report March vs April 2026 ===")
print(json.dumps(march, indent=2))
print(json.dumps(april, indent=2))
Poikkeamien havaitseminen
Keskihajonta määrittelee tässä kohdassa “epänormaalin” ilman mielivaltaisen kynnyksen asettamista: päivä, joka poikkeaa keskiarvosta yli kahdella keskihajonnalla, jää tavanomaisen mallin ulkopuolelle riippumatta volyymistasi. Tämä on menetelmä, joka mukautuu automaattisesti toimintasi kasvaessa, kun taas dollarimääräinen kynnys vanhentuu jo seuraavana kuukautena.
import requests
import statistics
MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."
# Retrieve daily consumption for the month
response = requests.post(
f"{MANAGEMENT_API}/v1/billing/teams/{TEAM_ID}/usage",
headers={
"Authorization": f"Bearer {MGMT_KEY}",
"Content-Type": "application/json"
},
json={
"analyticsRequest": {
"timeRange": {
"startTime": "2026-03-01 00:00:00",
"endTime": "2026-04-01 00:00:00",
"timezone": "Europe/Paris"
},
"timeUnit": "DAY",
"values": [{"name": "tokens", "aggregation": "SUM"}]
}
}
)
data = response.json()
daily_values = [point.get("value", 0) for point in data.get("dataPoints", [])]
if daily_values:
mean = statistics.mean(daily_values)
stdev = statistics.stdev(daily_values) if len(daily_values) > 1 else 0
threshold = mean + 2 * stdev # Threshold at 2 standard deviations
for i, val in enumerate(daily_values):
if val > threshold:
print(f"Day {i+1}: {val} tokens (anomaly, threshold = {threshold:.0f})")
Jakelu mallin mukaan
Tämä on raportti, joka tuottaa eniten hyötyä, koska se osoittaa konkreettisia toimia. Kokonaiskustannus ei kerro, mitä tehdä; mallikohtainen jakelu kertoo. Se paljastaa yksinkertaiset tehtävät, jotka on reititetty kalleimmalle mallille – nämä ovat helpoimpia säästökohteita API-laskulla.
curl -X POST "https://management-api.x.ai/v1/billing/teams/$TEAM_ID/usage" \
-H "Authorization: Bearer $MANAGEMENT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"analyticsRequest": {
"timeRange": {
"startTime": "2026-03-01 00:00:00",
"endTime": "2026-04-01 00:00:00",
"timezone": "UTC"
},
"timeUnit": "MONTH",
"values": [
{"name": "tokens", "aggregation": "SUM"},
{"name": "cost", "aggregation": "SUM"}
],
"groupBy": ["model"]
}
}'
Tämä analyysi voi paljastaa optimointimahdollisuuksia: jos suuri osa pyynnöistäsi käyttää mallia grok-4.20-0309-reasoning yksinkertaisiin tehtäviin, siirtyminen malliin grok-4.3 voi vähentää kustannuksia merkittävästi.
Automatisoitu viikkoraportti
Automaattinen toimitus muuttaa harjoituksen luonteen: raportti, joka pitää hakea itse, luetaan vasta tapahtuman jälkeen; raportti, joka saapuu itsestään, luetaan etukäteen. Viikko on oikea tahti API-kulutukselle – tarpeeksi usein havaitaksesi poikkeamat ennen laskua, mutta tarpeeksi harvoin, jotta jaksat avata sen yhä uudelleen.
import requests
from datetime import datetime, timedelta
MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."
# Previous week
end = datetime.now().replace(hour=0, minute=0, second=0, microsecond=0)
start = end - timedelta(days=7)
response = requests.post(
f"{MANAGEMENT_API}/v1/billing/teams/{TEAM_ID}/usage",
headers={
"Authorization": f"Bearer {MGMT_KEY}",
"Content-Type": "application/json"
},
json={
"analyticsRequest": {
"timeRange": {
"startTime": start.strftime("%Y-%m-%d %H:%M:%S"),
"endTime": end.strftime("%Y-%m-%d %H:%M:%S"),
"timezone": "Europe/Paris"
},
"timeUnit": "DAY",
"values": [
{"name": "tokens", "aggregation": "SUM"},
{"name": "requests", "aggregation": "COUNT"}
],
"groupBy": ["model"]
}
}
)
report = response.json()
print(f"=== Weekly Report {start.date()} → {end.date()} ===")
# Format report for email/Slack
# ... send via your preferred notification tool
Granulaarisuus ja suorituskyky
Oikean granulaarisuuden valinta
| Käyttötarkoitus | Suositeltu granulaarisuus |
|---|---|
| Kuukausiraportti | MONTH |
| Päivittäinen seuranta | DAY |
| Piikkianalyysi | HOUR tai QUARTER_HOUR |
| Reaaliaikainen vianetsintä | MINUTE |
| Yksityiskohtainen tapahtuma-analyysi | SECOND |
Mitä hienojakoisempi granulaarisuus, sitä suurempi palautuvan datan määrä: kuukauden ajalta SECOND-granulaarisuus tuottaa miljoonia datapisteitä, mikä vaikuttaa vastausaikaan ja muistin kulutukseen. Nyrkkisääntönä on valita granulaarisuus sen perusteella, kuinka pitkän aikavälin ilmiötä etsit – muutaman minuutin piikki on näkymätön MONTH-granulaarisuudella ja hukkuu kohinaan SECOND-granulaarisuudella.
Keskeiset asiat
- Yhdistä
SUM(summa),COUNT(lukumäärä) jagroupBy: ["model"]täydellisiä raportteja varten - Keskihajontaan perustuva poikkeamien havaitseminen tunnistaa ylikulutuspäivät
- Mallikohtainen jakelu paljastaa kustannusten optimointimahdollisuudet
- Sovita aikainen granulaarisuus käyttötarkoitukseen: MONTH raportteihin, HOUR vianetsintään
- Automatisoi viikkoraportit pitääksesi kulutuksen silmällä