Otimize os Seus Custos
Nesta página
Domine o Seu Orçamento de API
A utilização de modelos Grok em produção pode representar um investimento significativo. A boa notícia: a xAI oferece várias alavancas de otimização que, quando utilizadas corretamente, podem reduzir os seus custos entre 50% e 90%. Esta lição apresenta estratégias concretas para o conseguir.
Cache Automático: O Seu Melhor Aliado
O cache da xAI é o mecanismo de poupança de custos mais poderoso à sua disposição. Funciona automaticamente: quando dois pedidos partilham um prefixo comum (mesmo prompt de sistema, mesmo início de conversa), os tokens já processados são recuperados do cache em vez de serem recalculados.
A redução é massiva:
- Grok 4.7: tokens em cache a $0,50/M em vez de $2,00/M (redução de 75%)
- Grok 4.5: $0,30/M em vez de $2,00/M (85%)
- Grok 4.3 e geração 4.20: $0,20/M em vez de $1,25/M (84%)
Maximizar a Taxa de Acerto do Cache
Para tirar o máximo partido do cache, siga estes princípios:
Mantenha o seu prompt de sistema estável. Este é o prefixo mais longo e frequentemente reutilizado. Se o modificar entre pedidos, o cache é invalidado para todo o pedido.
Anexe sempre novas mensagens no final. Não reorganize o histórico da conversa — qualquer modificação no prefixo quebra o cache.
Utilize o cabeçalho x-grok-conv-id. Este cabeçalho, que aceita um UUID v4, informa a xAI de que vários pedidos pertencem à mesma conversa. Isto melhora o encaminhamento para o cache apropriado.
x-grok-conv-id: 550e8400-e29b-41d4-a716-446655440000
Utilize o mesmo UUID para todos os pedidos numa única conversa e um novo UUID para cada nova conversa.
A API Batch: 50% de Desconto em Tokens
A API Batch, disponível desde janeiro de 2026, oferece uma redução de 50% nas tarifas padrão de tokens. O princípio: submete um lote de pedidos e recupera os resultados de forma assíncrona, em vez de obter respostas em tempo real.
| Modelo | Entrada Padrão | Entrada Batch | Saída Padrão | Saída Batch |
|---|---|---|---|---|
| Grok 4.5 | $2,00 | $1,00 | $6,00 | $3,00 |
| Grok 4.3 | $1,25 | $0,63 | $2,50 | $1,25 |
Importante: A redução batch aplica-se apenas a tokens de texto. A geração de imagens e vídeo mantém as tarifas padrão, mesmo via API Batch.
Desde março de 2026, pode carregar os seus ficheiros JSONL via Files API para submeter os seus lotes, o que simplifica o fluxo de trabalho.
Escolha o Modelo Correto
A seleção do modelo é frequentemente a alavanca de otimização mais impactante. Eis um quadro de decisão orientado para custos:
Por predefinição, utilize o grok-4.3. É o modelo de uso geral mais económico para a maioria das tarefas e oferece a maior janela de contexto da gama. Entrada a $1,25/M, saída a $2,50/M.
Ative o raciocínio apenas quando necessário. Os tokens de raciocínio são faturados à tarifa de saída. Um pedido com raciocínio pode custar 2 a 5 vezes mais do que um pedido sem raciocínio no mesmo modelo.
Atualize para o Grok 4.5 apenas para tarefas complexas que exijam raciocínio profundo. Não o utilize para classificação ou resumos simples.
Utilize o grok-build-0.1 para código em vez do Grok 4.5: é o modelo mais rápido da gama, com metade do preço na entrada ($1,00 vs $2,00) e três vezes mais barato na saída ($2,00 vs $6,00).
Throughput Provisionado (Enterprise)
Para clientes Enterprise com volumes previsíveis, o Throughput Provisionado oferece capacidade dedicada com um SLA de 99,9%. O modelo de faturação é de $10,00 por dia por unidade, com um compromisso mínimo de 30 dias.
Isto é relevante se necessitar de latências garantidas e limites de taxa superiores aos do modelo pay-as-you-go. O benefício económico depende do seu volume: calcule o seu consumo mensal no modelo pay-as-you-go e compare-o com o custo provisionado.
Estratégia Combinada
A estratégia ótima combina várias alavancas:
- grok-4.3 como modelo predefinido
- Cache maximizado via prompts estáveis e
x-grok-conv-id - API Batch para todo o processamento que não exija resposta imediata
- Encaminhamento inteligente para o Grok 4.5 apenas quando a qualidade o exigir
Ao combinar o cache (75% a 85% de desconto na entrada, dependendo do modelo) e o batch (50%), pode alcançar custos efetivos muito baixos, mesmo com volumes elevados.
Pontos-chave
- O cache automático é a alavanca mais poderosa: redução de 75% a 85% nos tokens de entrada, dependendo do modelo
- Utilize
x-grok-conv-idpara melhorar a taxa de acerto do cache - A API Batch oferece 50% de redução em tokens de texto
- Escolha o modelo mais barato que cumpra os seus requisitos de qualidade
- O grok-4.3 é a predefinição ótima para a maioria dos casos
- Combine cache + batch + modelo correto para maximizar a poupança