Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Brojanje tokena za rezoniranje

Lekcija 8 od 12 Ažurirano 3. studenoga 2026. Programer
Na ovoj stranici
  1. Razumijevanje tokena za rezoniranje
  2. Objekt usage u Chat Completions
  3. Pristup tokenima za rezoniranje u kodu
  4. Naplata po stopi za izlaz
  5. Uloga parametra max_completion_tokens
  6. Ključne točke

Lekcija je ponovno napisana 3. studenog 2026. na temelju xAI API referenci (Chat Completions i Responses), vodiča Reasoning i primjera Reasoning Effort Evals iz cookbooks: kod xAI-ja, completion_tokens (ili output_tokens) broji samo vidljivi odgovor, rezoniranje se broji odvojeno, a zbroj uključuje sva tri; ograničenje izlaza ne ograničava rezoniranje. Prethodna verzija tvrdila je suprotno, koristila je polja Chat Completions na odgovoru Responses API-ja, postavljala effort na grok-4.20-0309-reasoning koji to ne prihvaća i prikazivala snimku zaslona koja se nije podudarala s API-jem; ti su elementi ispravljeni ili uklonjeni. Izvori: Chat Completions · Responses · Reasoning Effort Evals.

Razumijevanje tokena za rezoniranje

Modeli za rezoniranje proizvode dvije vrste tokena: one za vidljivi odgovor i one za interni proces razmišljanja modela. Razumijevanje načina na koji xAI broji te tokene ključno je za kontrolu troškova i ispravno čitanje nadzornih ploča.

Output
Naplaćuje se po stopi za izlaz
usage
Objekt za detaljno praćenje
Odvojeno
Rezoniranje se broji izvan odgovora
Effort
Poluga za upravljanje rezoniranjem

Objekt usage u Chat Completions

Svaki odgovor uključuje objekt usage koji detaljno opisuje potrošnju. Evo primjera iz xAI Chat Completions API reference:

{
  "usage": {
    "prompt_tokens": 32,
    "completion_tokens": 9,
    "total_tokens": 135,
    "completion_tokens_details": {
      "reasoning_tokens": 94
    }
  }
}

U ovom primjeru:

  • prompt_tokens (32): tokeni u ulaznoj poruci
  • completion_tokens (9): tokeni u vidljivom odgovoru
  • reasoning_tokens (94): tokeni posvećeni internom rezoniranju
  • total_tokens (135): zbroj sva tri, 32 + 9 + 94

Rezoniranje stoga nije uključeno u completion_tokens: ono mu se dodaje. Budi oprezan ako dolaziš s drugog API-ja gdje je konvencija drugačija ili ako tvoja nadzorna ploča izračunava vidljivi odgovor oduzimanjem.

Pristup tokenima za rezoniranje u kodu

U Responses API-ju iste informacije nose drugačija imena: input_tokens, output_tokens za vidljivi odgovor i output_tokens_details.reasoning_tokens za rezoniranje.

response = client.responses.create(
    model="grok-4.7",
    input="Solve the integral of x^2 * e^x dx.",
    reasoning={"effort": "high"},
)

visible_response = response.usage.output_tokens
reasoning = response.usage.output_tokens_details.reasoning_tokens
billed_output = visible_response + reasoning

print(f"Reasoning tokens: {reasoning}")
print(f"Response tokens: {visible_response}")
print(f"Reasoning share: {reasoning / billed_output * 100:.0f}%")

Effort postavljaš na grok-4.7, grok-4.6 i grok-4.5; grok-4.20-0309-reasoning uvijek rezonira, bez parametra effort.

Naplata po stopi za izlaz

Tokeni za rezoniranje naplaćuju se po stopi za izlazne tokene, kako nas podsjeća primjer Reasoning Effort Evals u xAI cookbooku. Za grok-4.7 po cijeni od 6 USD po milijun izlaznih tokena (upit ispod 200.000 tokena), svaki token za rezoniranje košta isto koliko i token odgovora.

Effort stoga utječe na račun, ali ne uvijek onoliko koliko bi mogao pomisliti. U istom primjeru, kroz trideset kratkih tiketa za podršku koje je obradio grok-4.7, efforti medium, high i xhigh potrošili su otprilike istu količinu rezoniranja – oko 600 tokena po odgovoru – dok je low potrošio oko 140 i koštao upola manje, uz rezultate između 87 % i 93 %. Izmjeri na svojim podacima prije odabira.

Primjer izračuna troška

# grok-4.7: $6.00/M output tokens (prompt < 200k)
cost_per_token = 6.00 / 1_000_000

reasoning = 600
visible_response = 350
billed_output = reasoning + visible_response  # 950

cost = billed_output * cost_per_token
print(f"Output cost: ${cost:.4f}")  # $0.0057

Uloga parametra max_completion_tokens

Ograničenje izlaza – max_completion_tokens u Chat Completions, max_output_tokens u Responses API-ju – primjenjuje se samo na vidljivi odgovor: prema API referenci, tokeni za rezoniranje i pozivi funkcija ne uračunavaju se u to ograničenje. Bez zadane vrijednosti, zadana postavka iznosi 128.000 tokena. Da bi ograničio rezoniranje, moraš postaviti effort (lekcija 10).

{
  "model": "grok-4.7",
  "messages": [
    {"role": "user", "content": "Explain special relativity."}
  ],
  "reasoning_effort": "medium",
  "max_completion_tokens": 2000
}

Cijene verificirane 3. studenog 2026. – cijene se redovito mijenjaju: prije bilo kakvog izračuna proračuna provjeri trenutni cjenik na službenoj stranici xAI modela i cijena.

Ključne točke

  • Tokeni za rezoniranje nalaze se u usage.completion_tokens_details.reasoning_tokens (Chat Completions) ili usage.output_tokens_details.reasoning_tokens (Responses)
  • Kod xAI-ja, completion_tokens i output_tokens broje samo vidljivi odgovor; ukupni zbroj uključuje ulaz, odgovor i rezoniranje
  • Tokeni za rezoniranje naplaćuju se po stopi za izlaz
  • Ograničenje izlaza ograničava samo vidljivi odgovor; effort kontrolira rezoniranje
  • Razlika u trošku između različitih efforta ovisi o zadatku: izmjeri je na svojim podacima