Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Naplaćivanje i upravljanje troškovima

Lekcija 14 od 16 Ažurirano 30. srpnja 2026. Programer
Na ovoj stranici
  1. Razumijevanje onoga za što plaćaš
  2. Zamka kumulativne povijesti
  3. Čitanje troškova u odgovoru
  4. Strategije optimizacije
  5. Praćenje troškova u produkciji
  6. Upozorenja o troškovima
  7. Ključne točke

Razumijevanje onoga za što plaćaš

Responses API ima važnu pojedinost vezanu uz naplatu: u lančanom razgovoru naplaćuje ti se cijela povijest, čak i ako je eksplicitno ne pošalješ ponovno. Razumijevanje ovog mehanizma ključno je za kontrolu tvojih troškova u produkciji.

Zamka kumulativne povijesti

Korištenjem previous_response_id, poslužitelj automatski rekonstruira puni kontekst. To je zgodno za programera, ali znači da se tokeni akumuliraju:

OkretTvoja porukaNaplaćeni tokeni (ulaz)
150 tokena50
230 tokena + povijest 1. okreta130
340 tokena + povijest 1.–2. okreta350
425 tokena + povijest 1.–3. okreta725

Rast je kvadratan. Do 10. okreta razgovora, ulazni tokeni mogu biti 10 do 50 puta veći od tvoje početne poruke.

Čitanje troškova u odgovoru

Svaki odgovor uključuje objekt usage s točnim troškom:

{
  "usage": {
    "input_tokens": 450,
    "output_tokens": 280,
    "total_tokens": 730,
    "output_tokens_details": {
      "reasoning_tokens": 200
    },
    "cost_in_nano_usd": 1500000
  }
}

cost_in_nano_usd

Polje cost_in_nano_usd daje trošak u nano-dolarima:

1.000.000.000 nano-USD = 1 USD

Za pretvorbu:

cost_usd = response.usage.cost_in_nano_usd / 1_000_000_000
print(f"Trošak ovog zahtjeva: ${cost_usd:.6f}")

Tokeni za rezoniranje

reasoning_tokens u output_tokens_details naplaćuju se po stopi izlaznih tokena. Oni mogu činiti 50 do 80% izlaznih tokena na modelima za rezoniranje.

Strategije optimizacije

Ograniči duljinu razgovora

Umjesto beskrajnog lančanja, povremeno sažimaj sadržaj:

# Nakon N okreta, sažmi i ponovno pokreni
if turn_count > 5:
    summary = client.responses.create(
        model="grok-4.20-0309-reasoning",
        input="Summarize this conversation in 3 key points.",
        previous_response_id=last_id
    )
    # Ponovno pokreni sa sažetkom kao novim kontekstom
    new_start = client.responses.create(
        model="grok-4.20-0309-reasoning",
        instructions=f"Previous context: {summary.output[0].content[0].text}",
        input=user_message
    )

Odaberi pravi model

Nisu svi modeli jednako skupi. Za jednostavne zadatke koristi manje snažan (i jeftiniji) model. Modelе za rezoniranje čuvaj za složene probleme.

Kontroliraj max_output_tokens

Ograniči izlaz kada ti nisu potrebni dugi odgovori:

{
  "model": "grok-4.20-0309-reasoning",
  "input": "Answer in one sentence: what is the capital of Japan?",
  "max_output_tokens": 100
}

Koristi store: false kada je moguće

Nepohranjeni odgovori ne zadržavaju se na poslužitelju. To ne smanjuje izravni trošak, ali izbjegava akumulaciju nepotrebnih podataka.

Praćenje troškova u produkciji

Implementiraj sustavno praćenje:

import json
from datetime import datetime

def log_usage(response, user_id, feature):
    log_entry = {
        "timestamp": datetime.now().isoformat(),
        "user_id": user_id,
        "feature": feature,
        "response_id": response.id,
        "model": response.model,
        "input_tokens": response.usage.input_tokens,
        "output_tokens": response.usage.output_tokens,
        "reasoning_tokens": response.usage.output_tokens_details.reasoning_tokens,
        "cost_nano_usd": response.usage.cost_in_nano_usd,
        "cost_usd": response.usage.cost_in_nano_usd / 1e9
    }
    # Spremi u svoj sustav za bilježenje
    save_to_db(log_entry)

Upozorenja o troškovima

Postavi pragove za upozorenja:

MAX_COST_PER_REQUEST = 0.05  # 5 USD centi

cost = response.usage.cost_in_nano_usd / 1e9
if cost > MAX_COST_PER_REQUEST:
    alert(f"Detektiran skup zahtjev: ${cost:.4f} (korisnik: {user_id})")

Ključne točke

  • Lančani razgovori naplaćuju cijelu povijest u svakom okretu – kvadratan rast
  • cost_in_nano_usd / 1 milijarda = trošak u USD
  • Tokeni za rezoniranje se naplaćuju, ali su nevidljivi u odgovoru
  • Sažimaj duge razgovore kako bi obuzdao troškove
  • Implementiraj sustavno praćenje troškova po korisniku i po funkcionalnosti