Przejdź do głównej treści
Polski— Wybierz język
Menu

Cztery typy tokenów

Lekcja 5 z 14 Zaktualizowano 29 lipca 2026 Zaawansowany
Na tej stronie
  1. Zrozumienie rozliczeń za tokeny
  2. Tokeny tekstowe i różnica między wejściem a wyjściem
  3. Tokeny obrazowe
  4. Tokeny z pamięci podręcznej (cached)
  5. Tokeny rozumowania
  6. Kluczowe wnioski

Zrozumienie rozliczeń za tokeny

Rachunek za API Grok to nie tylko iloczyn wolumenu i ceny. Współistnieją cztery typy tokenów, z których każdy ma własne zasady zliczania i stawki. Dwie aplikacje zużywające tę samą całkowitą liczbę tokenów mogą generować zupełnie różne koszty. Przeczytanie tego omówienia jest kluczowe, aby oszacować budżet przed uruchomieniem – a także by zrozumieć w środowisku produkcyjnym, skąd bierze się niekontrolowany wzrost kosztów.

4
Typy tokenów
85%
Oszczędności dzięki tokenom z pamięci podręcznej
1,792
Maksymalna liczba tokenów na obraz
1M
Maksymalny kontekst

Tokeny tekstowe i różnica między wejściem a wyjściem

Tokeny tekstowe stanowią większość wolumenu: obejmuje to wszystko, co wysyłasz (monit systemowy, historię rozmowy, wiadomość użytkownika) oraz wszystko, co model wygeneruje w odpowiedzi. W modelu grok-4.5 wejście kosztuje 2,00 USD za milion tokenów, a wyjście 6,00 USD za milion. W przypadku grok-4.3 wartości te spadają odpowiednio do 1,25 USD i 2,50 USD za milion.

Zapamiętaj kształt tej proporcji: wyjście zawsze kosztuje więcej niż wejście – w modelu grok-4.5 jest to trzykrotność ceny. Generowanie tekstu wymaga większej mocy obliczeniowej niż czytanie kontekstu, a cennik odzwierciedla tę asymetrię. Praktyczna konsekwencja jest kontrintuicyjna: dodanie tysiąca tokenów przykładów do monitu systemowego często kosztuje mniej niż pozwolenie modelowi na wygenerowanie tysiąca tokenów zbędnego gadulstwa. Dobrze umiejscowiona instrukcja zwięzłości bywa czasem najskuteczniejszym dźwigniem oszczędnościowym w całej aplikacji.

Tokeny obrazowe

Obraz wysłany do API jest przed analizą konwertowany na tokeny. Ich liczba waha się od 256 tokenów dla miniatury o niskiej rozdzielczości do 1792 tokenów dla obrazu wysokiej definicji, w zależności od rozmiaru i poziomu szczegółowości. Tokeny te są rozliczane według stawki za wejście tekstowe, co ułatwia zrozumienie kompromisu: każdy „ciężki“ obraz to na Twoim rachunku odpowiednik około półtora tysiąca słów w prompcie.

Wbuduj więc ten odruch w potok przetwarzania przed wywołaniem API. Systematycznie zmieniaj rozmiar obrazów do minimalnej rozdzielczości wymaganej przez Twój przypadek użycia, stosuj rozsądną kompresję JPEG i przestań wysyłać materiały 4K, gdy do odpowiedzi na pytanie wystarczy standardowy obraz. W serwisie przetwarzającym tysiące zdjęć dziennie taka prosta zmiana rozmiaru obniża koszty związane z grafiką bez pogarszania jakości odpowiedzi. Pamiętaj też o ograniczeniach formatów: akceptowane są wyłącznie pliki JPG i PNG, do 20 MiB na plik.

Tokeny z pamięci podręcznej (cached)

Tokeny z pamięci podręcznej to tokeny wejściowe, które automatyczny system cache’owania API zapamiętał już podczas poprzedniego wywołania. Są one rozliczane według znacznie obniżonej stawki: 0,30 USD za milion w modelu grok-4.5 (zamiast 2,00 USD), co daje oszczędność rzędu 85%, oraz 0,20 USD za milion w modelu grok-4.3 (zamiast 1,25 USD).

Mechanizm wyzwalający to cache’owanie zostanie omówiony w następnej części kursu. Na razie wystarczy, że wiesz, gdzie tego szukać: pole cached_tokens w obiekcie usage zwracanym z każdą odpowiedzią informuje, ile tokenów wejściowych skorzystało z obniżonej stawki. To pierwsza metryka, którą warto zaimplementować, jeśli chcesz poważnie zarządzać kosztami.

Tokeny rozumowania

Czwarty typ dotyczy modeli, które „myślą“ przed udzieleniem odpowiedzi, takich jak wariant grok-4.20-0309-reasoning. Tokeny rozumowania odpowiadają temu wewnętrznemu procesowi deliberacji, generowanemu przed widoczną odpowiedzią.

To właśnie tutaj kryje się najczęstsze zaskoczenie na rachunku: tokeny te są liczone według stawki za wyjście, a nie wejście. W modelu grok-4.5 oznacza to 6,00 USD za milion. Ponieważ rozumowanie może zużyć kilka tysięcy tokenów przy złożonym pytaniu, niewidoczna część odpowiedzi czasem przewyższa tę widoczną. Dodajmy jeszcze jeden szczegół, który często myli zespoły: grok-4.20-0309 nie zwraca treści rozumowania (reasoning_content) jako zwykłego tekstu w odpowiedzi API. Płacisz za łańcuch myśli, którego nie możesz przeczytać. Nie jest to powód, by rezygnować z rozumowania, ale argument, by włączać je tylko tam, gdzie naprawdę zmienia jakość wyniku.

Ceny obowiązujące na dzień 5 sierpnia 2026 r. – ceny regularnie się zmieniają: przed jakimkolwiek obliczeniem budżetu sprawdź aktualny cennik na oficjalnej stronie modeli i cen xAI.

Kluczowe wnioski

  • Istnieją cztery typy tokenów: tekstowe, obrazowe, z pamięci podręcznej (obniżona stawka) oraz rozumowania (rozliczane jak wyjście)
  • Liczba tokenów obrazowych waha się od 256 do 1792 w zależności od rozmiaru i szczegółowości obrazu
  • Tokeny z pamięci podręcznej oferują oszczędność rzędu 85% w modelu grok-4.5
  • Tokeny rozumowania są rozliczane według stawki za wyjście, co może generować znaczące koszty
  • Dobierz odpowiedni model do swoich potrzeb: grok-4.3 kosztuje znacznie mniej niż grok-4.5, zarówno za wejście, jak i wyjście