Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Razumijevanje formata odgovora

Lekcija 4 od 16 Ažurirano 30. srpnja 2026. Programer
Na ovoj stranici
  1. Anatomija odgovora
  2. Potpuna struktura
  3. Glavna polja
  4. Razumijevanje objekta usage
  5. Korištenje alata na strani poslužitelja
  6. Izdvajanje teksta u Pythonu
  7. Ključne točke

Anatomija odgovora

Kada pošalješ zahtjev na POST /v1/responses, xAI poslužitelj vraća strukturirani JSON objekt. Razumijevanje svakog polja u tom objektu ključno je za ispravno korištenje rezultata u tvojoj aplikaciji.

Potpuna struktura

Evo tipičnog odgovora:

{
  "id": "resp-abc123def456",
  "object": "response",
  "created_at": 1712000000,
  "status": "completed",
  "model": "grok-4.20-0309-reasoning",
  "output": [
    {
      "type": "message",
      "content": [
        {
          "type": "output_text",
          "text": "Le machine learning est une branche de l'IA...",
          "annotations": []
        }
      ],
      "status": "completed"
    }
  ],
  "usage": {
    "input_tokens": 45,
    "output_tokens": 180,
    "total_tokens": 225,
    "output_tokens_details": {
      "reasoning_tokens": 120
    },
    "cost_in_nano_usd": 500000
  }
}

Glavna polja

id

Jedinstveni identifikator odgovora u formatu resp-xxx. Koristit ćeš ga za:

  • Lančano povezivanje razgovora pomoću previous_response_id
  • Dohvaćanje pohranjenog odgovora s GET /v1/responses/{id}
  • Brisanje odgovora s DELETE /v1/responses/{id}

status

Status odgovora:

StatusZnačenje
completedOdgovor je uspješno generiran
failedPogreška tijekom generiranja
incompleteOdgovor je prekinut (ograničenje tokena, filtar sadržaja)
in_progressGeneriranje u tijeku (streaming)

Uvijek provjeri status prije korištenja sadržaja odgovora u svom kodu.

output

Niz koji sadrži elemente odgovora. Svaki element ima type:

  • message: Tekstualni odgovor modela
  • function_call: Poziv alata koji je zatražio model

Tekstualni sadržaj nalazi se na output[0].content[0].text. Anotacije (citati, poveznice) nalaze se u nizu annotations istog objekta.

usage

Informacije o korištenju, detaljno objašnjene u nastavku.

Razumijevanje objekta usage

Objekt usage ključan je za praćenje tvojih troškova:

{
  "input_tokens": 45,
  "output_tokens": 180,
  "total_tokens": 225,
  "output_tokens_details": {
    "reasoning_tokens": 120
  },
  "cost_in_nano_usd": 500000
}

Ulazni i izlazni tokeni

  • input_tokens: Broj tokena u tvom upitu (i u povijesti ako lančano povezuješ razgovore)
  • output_tokens: Ukupan broj generiranih tokena, uključujući rezoniranje
  • total_tokens: Zbroj obaju vrijednosti

Tokeni za rezoniranje

output_tokens_details.reasoning_tokens pokazuje koliko je tokena model upotrijebio za svoje interno rezoniranje. Ti se tokeni naplaćuju, ali nisu vidljivi u tekstualnom odgovoru.

U gornjem primjeru, od 180 izlaznih tokena, 120 je utrošeno na rezoniranje, a samo 60 čini vidljivi odgovor. To je tipičan omjer za modele za rezoniranje.

Trošak u nano-USD

cost_in_nano_usd daje točan trošak zahtjeva. Pretvorba je jednostavna:

Trošak u USD = cost_in_nano_usd / 1.000.000.000

Za naš primjer: 500000 / 1.000.000.000 = 0.0005 USD (0,0005 $).

Korištenje alata na strani poslužitelja

Kada model koristi ugrađene alate, objekt usage također uključuje:

{
  "server_side_tool_usage_details": {
    "web_search_calls": 2,
    "code_interpreter_calls": 0,
    "x_search_calls": 1,
    "document_search_calls": 0,
    "file_search_calls": 0,
    "mcp_calls": 0
  }
}

To ti omogućuje da točno znaš koji su alati pozvani i koliko puta.

Izdvajanje teksta u Pythonu

Evo pouzdanog obrasca za izdvajanje tekstualnog sadržaja:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Explique les listes en Python."
)

# Check status
if response.status == "completed":
    text = response.output[0].content[0].text
    print(text)
else:
    print(f"Error: status {response.status}")

# Display usage
print(f"Tokens used: {response.usage.total_tokens}")
print(f"Cost: {response.usage.cost_in_nano_usd / 1e9:.6f} USD")

Ključne točke

  • Svaki odgovor ima jedinstveni id koji se može ponovno upotrijebiti za lančano povezivanje ili dohvaćanje
  • Uvijek provjeri status prije korištenja sadržaja
  • Tekst se nalazi na output[0].content[0].text
  • reasoning_tokens se naplaćuju, ali nisu vidljivi u odgovoru
  • Dijeljenjem cost_in_nano_usd s milijardu dobivaš trošak u dolarima