Rozliczenia i optymalizacja kosztów
Na tej stronie
Zaktualizowano 3 listopada 2026: Poprzednie przykłady odwoływały się do pól
usage.prompt_tokensiusage.completion_tokensw odpowiedziach API Responses, które udostępniająinput_tokens,output_tokensoraz ich szczegóły (cached_tokens,reasoning_tokens): kod zgłaszał błądAttributeError. Śledzenie kosztów uwzględnia teraz buforowane dane wejściowe, a rada dotycząca obniżania limitu wyjścia w celu ograniczenia rozumowania została skorygowana, ponieważ limit ten nie obejmuje tokenów rozumowania. Źródła: Modele i cennik · Najlepsze praktyki.
Tokeny rozumowania na Twoim rachunku
Rozliczanie tokenów rozumowania to kluczowy aspekt korzystania z modeli xAI. Tokeny te są fakturowane według stawki za tokeny wyjściowe – najwyższej stawki – a niezoptymalizowane użycie może szybko podbić koszty, zwłaszcza przy wysokim nakładzie pracy rozumowania w modelu grok-4.5.
Nowość w 2026 roku, którą warto zrozumieć: cennik jest progowy. Cena za token zależy od rozmiaru kontekstu żądania. Przy mniej niż 200 tys. tokenów promptu płacisz stawkę standardową; powyżej tej wartości stawka podwaja się.
Cennik według modelu (lipiec 2026)
Cena za milion tokenów.
| Model | Wejście < 200 tys. | Wyjście < 200 tys. | Wejście ≥ 200 tys. | Wyjście ≥ 200 tys. |
|---|---|---|---|---|
| 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 |
Tokeny rozumowania są rozliczane według stawki z kolumny „Wyjście“. W przypadku modelu grok-4.5 przy kontekście poniżej 200 tys. tokenów, każdy milion tokenów rozumowania kosztuje 6,00 USD; w przypadku grok-4.20-0309-reasoning – 2,50 USD. Jeśli Twój prompt przekroczy 200 tys. tokenów, kwoty te ulegają podwojeniu: odpowiednio 12,00 USD i 5,00 USD.
Śledzenie kosztów każdego żądania
Obiekt usage w odpowiedzi zawiera liczniki tokenów; niektóre odpowiedzi API xAI mogą również zawierać pola z bezpośrednimi kosztami. Sprawdź obiekt usage zwrócony przez Twój model i zweryfikuj dostępne pola w oficjalnej dokumentacji. W przeciwnym razie ręczne obliczenie jest proste:
response = client.responses.create(
model="grok-4.5",
input="Solve this dynamic programming problem...",
reasoning={"effort": "high"}
)
# Stawki grok-4.5 dla kontekstu poniżej 200 tys. tokenów (API Responses liczy w input/output)
usage = response.usage
input_cost = usage.input_tokens * 2.00 / 1_000_000
output_cost = usage.output_tokens * 6.00 / 1_000_000 # obejmuje rozumowanie
total_cost = input_cost + output_cost
print(f"Koszt wejścia: ${input_cost:.6f}")
print(f"Koszt wyjścia: ${output_cost:.6f}")
print(f"Całkowity koszt: ${total_cost:.6f}")
Uwaga: to obliczenie zakłada kontekst mniejszy niż 200 tys. tokenów. W środowisku produkcyjnym Twój mechanizm śledzenia musi wykrywać właściwy próg cenowy (patrz poniżej).
Strategie optymalizacji kosztów
1. Dopasuj nakład pracy do zadania
Pierwszą i najskuteczniejszą optymalizacją jest wybór odpowiedniego poziomu nakładu pracy rozumowania w modelu grok-4.5. Niski nakład może zużywać znacznie mniej tokenów rozumowania niż wysoki:
# Sortuj żądania według złożoności
if complexity == "simple":
effort = "low" # krótkie rozumowanie
elif complexity == "medium":
effort = "medium" # pośrednie rozumowanie
else:
effort = "high" # głębokie rozumowanie
Sprawdź dokładne wartości akceptowane przez ten parametr na oficjalnej stronie modeli.
2. Użyj właściwego modelu
Dla typowych zadań wymagających rozumowania, model grok-4.20-0309-reasoning kosztem 2,50 USD/M za wyjście jest ponad dwukrotnie tańszy niż grok-4.5 wynoszący 6,00 USD/M. Zarezerwuj model flagowy tylko dla zadań, które tego naprawdę wymagają. Do kodu, model grok-build-0.1 kosztem 2,00 USD/M za wyjście jest jeszcze bardziej ekonomiczny.
3. Pozostań poniżej progu 200 tys. tokenów
Próg cenowy to bezpośredni mechanizm sterowania: żądanie z kontekstem 250 tys. tokenów kosztuje dwa razy więcej za token niż żądanie ze 150 tys. tokenami. Przed wysłaniem masywnego kontekstu zastanów się, czy podzielenie go na kilka mniejszych żądań (lub utworzenie pośredniego podsumowania) nie byłoby zarówno tańsze, jak i skuteczniejsze.
4. Wykorzystaj buforowanie promptów
xAI oferuje obniżone ceny za tokeny wejściowe znajdujące się już w pamięci podręcznej: powtarzające się prefiksy promptów (instrukcje systemowe, współdzielony kontekst) kosztują mniej przy ponownym użyciu z jednego żądania do drugiego. Przy kontekście poniżej 200 tys. tokenów, buforowane wejście kosztuje 0,30 USD za milion zamiast 2,00 USD w przypadku grok-4.5 oraz 0,20 USD zamiast 1,25 USD w przypadku grok-4.20-0309-reasoning (strona Modele i cennik, listopad 2026). Strukturyzuj swoje prompty, umieszczając stabilne części na początku; część obsłużona przez pamięć podręczną pojawi się w polu usage.input_tokens_details.cached_tokens.
5. Dobierz rozmiar limitu wyjścia
Limit wyjścia (max_output_tokens w API Responses, max_completion_tokens w Chat Completions) ogranicza tylko widoczną odpowiedź: tokeny rozumowania nie są do niego wliczane. Jego obniżenie nie zmniejsza zatem nakładu rozumowania; ryzykujesz jedynie ucięcie odpowiedzi. Najlepsze praktyki xAI zalecają ustawienie go powyżej najdłuższej oczekiwanej odpowiedzi lub pozostawienie domyślnej wartości 128 000 tokenów. Aby zmniejszyć nakład rozumowania, obniż poziom wysiłku w modelach, które to obsługują, lub wybierz tańszy model.
Śledzenie budżetu w środowisku produkcyjnym
class CostTracker:
# Stawki za MTok: (wejście, buforowane wejście, wyjście) według progu kontekstu
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 # tokeny promptu
def __init__(self):
self.total_cost = 0
self.request_count = 0
def track(self, response, model="grok-4.5"):
usage = response.usage # odpowiedź API Responses
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 # obejmuje rozumowanie
)
self.total_cost += cost
self.request_count += 1
return cost
Cennik na dzień 5 sierpnia 2026 – ceny zmieniają się regularnie: przed jakimkolwiek obliczeniem budżetu zweryfikuj aktualną siatkę cen na oficjalnej stronie modeli i cennika xAI.
Kluczowe wnioski
- Tokeny rozumowania są rozliczane według stawki za tokeny wyjściowe
- Cennik z 2026 roku jest progowy: powyżej 200 tys. tokenów kontekstu cena za token podwaja się
- grok-4.5 kosztuje 2/6 USD za MTok poniżej 200 tys. (4/12 USD powyżej); grok-4.20-0309-reasoning kosztuje 1,25/2,50 USD (2,50/5 USD powyżej)
- Trzy główne dźwignie: dopasuj nakład pracy rozumowania, wybierz właściwy model, pozostań poniżej progu 200 tys.
- Śledź swoje koszty żądanie po żądaniu, uwzględniając obowiązujący próg cenowy