Naplaćivanje i optimizacija troškova
Na ovoj stranici
Ažurirano 3. studenoga 2026.: Prethodni primjeri pristupali su svojstvima
usage.prompt_tokensiusage.completion_tokensna odgovorima Responses API-ja, koji izlažuinput_tokens,output_tokensi njihove pojedinosti (cached_tokens,reasoning_tokens): kod je izazivaoAttributeError. Praćenje troškova sada uzima u obzir keširani ulaz, a savjet o smanjenju ograničenja izlaza radi ograničavanja rezoniranja ispravljen je jer to ograničenje ne broji tokena za rezoniranje. Izvori: Modeli i cjenik · Najbolje prakse.
Tokeni za rezoniranje na tvojem računu
Naplaćivanje tokena za rezoniranje ključni je aspekt korištenja xAI modela. Ti se tokeni naplaćuju po stopi izlaznih tokena – najvišoj stopi – a neoptimizirana uporaba može brzo povisiti troškove, posebno uz visoku razinu napora za rezoniranje na modelu grok-4.5.
Novost za 2026. koju je važno razumjeti: cjenik je stupnjevit. Cijena po tokenu ovisi o veličini konteksta zahtjeva. Ispod 200 tisuća ulaznih tokena (prompt tokens) plaćaš standardnu stopu; iznad toga, stopa se udvostručuje.
Cjenik po modelu (srpanj 2026.)
Cijena po milijun tokena.
| Model | Ulaz < 200k | Izlaz < 200k | Ulaz ≥ 200k | Izlaz ≥ 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 |
Tokeni za rezoniranje naplaćuju se po stopi iz stupca „Izlaz“. Kod modela grok-4.5 s kontekstom ispod 200 tisuća tokena, svaki milijun tokena za rezoniranje košta 6,00 USD; kod modela grok-4.20-0309-reasoning, 2,50 USD. Ako tvoj prompt premaši 200 tisuća tokena, ti se iznosi udvostručuju: na 12,00 USD odnosno 5,00 USD.
Praćenje troška svakog zahtjeva
Objekt usage u odgovoru sadrži brojače tokena; neki odgovori xAI API-ja mogu uključivati i izravna polja za troškove. Pregledaj objekt usage koji vraća tvoj model i provjeri službenu dokumentaciju za dostupna polja. U suprotnom, ručni izračun je jednostavan:
response = client.responses.create(
model="grok-4.5",
input="Solve this dynamic programming problem...",
reasoning={"effort": "high"}
)
# Stope za grok-4.5 ispod 200k kontekstualnih tokena (Responses API broji ulaz/izlaz)
usage = response.usage
input_cost = usage.input_tokens * 2.00 / 1_000_000
output_cost = usage.output_tokens * 6.00 / 1_000_000 # uključuje rezoniranje
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}")
Oprez: ovaj izračun pretpostavlja kontekst manji od 200 tisuća tokena. U proizvodnji tvoj sustav za praćenje mora detektirati primjenjivi stupanj (vidi dolje).
Strategije optimizacije troškova
1. Uskladi napor sa zadatkom
Prva i najučinkovitija optimizacija jest odabir odgovarajuće razine napora za rezoniranje na modelu grok-4.5. Nizak napor može potrošiti znatno manje tokena za rezoniranje od visokog napora:
# Sortiraj zahtjeve po složenosti
if complexity == "simple":
effort = "low" # kratko rezoniranje
elif complexity == "medium":
effort = "medium" # srednje rezoniranje
else:
effort = "high" # duboko rezoniranje
Provjeri točne vrijednosti koje parametar prihvaća na službenoj stranici modela.
2. Koristi pravi model
Za uobičajene zadatke rezoniranja, grok-4.20-0309-reasoning po cijeni od 2,50 USD/M za izlaz košta manje od polovice cijene modela grok-4.5 koji iznosi 6,00 USD/M. Rezerviraj vodeći model za zadatke koji to doista zahtijevaju. Za kod, grok-build-0.1 po cijeni od 2,00 USD/M za izlaz još je ekonomičniji.
3. Ostani unutar razine od 200 tisuća tokena
Stupanj cjenika izravan je poluga: zahtjev s 250 tisuća kontekstualnih tokena košta dvostruko više po tokenu od zahtjeva sa 150 tisuća. Prije slanja masivnog konteksta, zapitaj se bi li njegovo razdvajanje na nekoliko manjih zahtjeva (ili međusažetak) bilo i jeftinije i učinkovitije.
4. Iskoristi keširanje prompta
xAI nudi smanjene cijene za ulazne tokene koji su već u kešu: ponovljeni prefiksi prompta (sistemske upute, zajednički kontekst) koštaju manje kada se ponovno upotrijebe iz jednog zahtjeva u drugi. Ispod 200 tisuća tokena, keširani ulaz košta 0,30 USD po milijunu umjesto 2,00 USD s modelom grok-4.5, odnosno 0,20 USD umjesto 1,25 USD s modelom grok-4.20-0309-reasoning (stranica Modeli i cjenik, studeni 2026.). Strukturiraj svoje promptove tako da stabilni dijelovi budu na početku; dio koji poslužuje keš pojavljuje se u usage.input_tokens_details.cached_tokens.
5. Odredi veličinu ograničenja izlaza
Ograničenje izlaza (max_output_tokens u Responses API-ju, max_completion_tokens u Chat Completions) ograničava samo vidljivi odgovor: tokeni za rezoniranje ne ulaze u to ograničenje. Smanjenje tog ograničenja stoga ne smanjuje rezoniranje; riskiraš jedino da ćeš odsjeći odgovor. Najbolje prakse xAI-ja preporučuju postavljanje tog ograničenja iznad najduljeg očekivanog odgovora ili ostavljanje njegove zadane vrijednosti od 128 000 tokena. Da bi smanjio rezoniranje, smanji napor na modelima koji to prihvaćaju ili odaberi jeftiniji model.
Praćenje proračuna u proizvodnji
class CostTracker:
# Stope po MTok: (ulaz, keširani ulaz, izlaz) po stupnju konteksta
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 # prompt tokena
def __init__(self):
self.total_cost = 0
self.request_count = 0
def track(self, response, model="grok-4.5"):
usage = response.usage # odgovor Responses API-ja
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 # uključuje rezoniranje
)
self.total_cost += cost
self.request_count += 1
return cost
Cjenik od 5. kolovoza 2026. – cijene se redovito mijenjaju: prije svakog izračuna proračuna provjeri trenutnu tablicu na službenoj stranici xAI modela i cjenika.
Ključne točke
- Tokeni za rezoniranje naplaćuju se po stopi izlaznih tokena
- Cjenik za 2026. je stupnjevit: iznad 200 tisuća kontekstualnih tokena cijena po tokenu se udvostručuje
- grok-4.5 košta 2/6 USD po MTok ispod 200k (4/12 USD iznad); grok-4.20-0309-reasoning košta 1,25/2,50 USD (2,50/5 USD iznad)
- Tri glavne poluge: uskladi napor rezoniranja, odaberi pravi model, ostani unutar razine od 200k
- Prati svoje troškove zahtjev po zahtjev, uzimajući u obzir primjenjivi stupanj