Haladó fogyasztási jelentések
Ezen az oldalon
Fogyasztási jelentések készítése
Az a fogyasztási adat, amit senki sem néz meg, haszontalan. Egy jelentés csak akkor hasznos, ha választ ad egy konkrét kérdésre, és ebből a szempontból csupán három létezik: növekszik-e, történt-e valami rendellenes, és hová tűnik a pénz.
A következő három szakasz ebben a sorrendben tárgyalja ezeket a kérdéseket. Mindegyik olyan számértéket állít elő, amelyre cselekedni tudsz – nem csupán egy újabb grafikont.
Összehasonlító havi jelentés
A fogyasztás csak összehasonlítva értelmezhető. 400 dollár egy hónapban önmagában sem nem jó, sem nem rossz: ami számít, az az, hogy egy 200 dolláros vagy egy 600 dolláros hónapot követ-e. Mindig kontextusba kell helyezned a változásokat az ismert tevékenységek alapján – egy funkció bevezetése utáni 40%-os növekedés várható, ugyanakkora növekedés újdonság nélkül azonban indokolttá teszi a következő szakasz megnyitását.
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))
Rendellenességek észlelése
Itt a szórás határozza meg a „rendellenes“ fogalmát anélkül, hogy önkényes küszöbértéket kellene beállítanod: egy nap, amely két szórással tér el az átlagodtól, kilóg a szokásos mintából, függetlenül a forgalmad volumenétől. Ez az a módszer, amely automatikusan alkalmazkodik a tevékenységed növekedéséhez, míg egy dollárban meghatározott küszöbérték a következő hónapra már elavulttá válik.
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})")
Lebontás modell szerint
Ez a jelentés hozza a legnagyobb hasznot, mert konkrét cselekvésre irányít. A teljes költség önmagában nem mondja meg, mit tegyél; a modell szerinti lebontás viszont igen – feltárja, ha egyszerű feladatokat a legdrágább modellre irányítanak, ami az API-számlán realizálható legegyszerűbb megtakarítás.
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"]
}
}'
Ez az elemzés optimalizálási lehetőségeket tárhat fel: ha a kéréseid nagy része egyszerű feladatokhoz a grok-4.20-0309-reasoning modellt használja, a grok-4.3-ra való váltás jelentősen csökkentheti a költségeket.
Automatizált heti jelentés
Az automatikus kézbesítés megváltoztatja a gyakorlat jellegét: egy jelentést, amit neked kell lekérned, csak az incidens után konzultálsz; egy jelentést, ami megérkezik hozzád, előtte elolvasol. A heti gyakoriság a megfelelő ritmus az API-fogyasztás követésére – elég gyakori ahhoz, hogy még a számla előtt észleld az elcsúszást, de elég ritka ahhoz, hogy továbbra is megnyisd.
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
Szemcseméret és teljesítmény
A megfelelő szemcseméret kiválasztása
| Használati eset | Ajánlott szemcseméret |
|---|---|
| Havi jelentés | MONTH |
| Napi követés | DAY |
| Csúcsok elemzése | HOUR vagy QUARTER_HOUR |
| Valós idejű hibakeresés | MINUTE |
| Részletes incidenselemzés | SECOND |
Minél finomabb a szemcseméret, annál nagyobb a visszakapott adatmennyiség: egy hónap alatt a SECOND szemcseméret milliónyi pontot eredményez, a hozzá tartozó válaszidővel és memóriafogyasztással együtt. Az általános szabály az, hogy a keresett jelenség időtartama alapján válaszd ki a szemcseméretet – egy néhány perces csúcs láthatatlan MONTH szemcseméret mellett, és elvész a zajban SECOND szemcseméret esetén.
Főbb megállapítások
- Kombináld a
SUM(összeg),COUNT(darabszám) és agroupBy: ["model"]paramétereket a teljes körű jelentésekhez - A szórás alapú rendellenesség-észlelés azonosítja a túlfogyasztási napokat
- A modell szerinti lebontás feltárja a költségoptimalizálási lehetőségeket
- Igazítsd az időbeli szemcseméretet a használathoz: MONTH a jelentésekhez, HOUR a hibakereséshez
- Automatizáld a heti jelentéseket, hogy folyamatosan szemmel tartsd a fogyasztást