Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Contagem de Tokens de Raciocínio

Aula 8 de 12 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. Compreenda os tokens de raciocínio
  2. O objeto usage em Chat Completions
  3. Aceder aos tokens de raciocínio no código
  4. Faturação à tarifa de saída
  5. O papel de max_completion_tokens
  6. Pontos-chave

Lição reescrita em 3 de novembro de 2026 com base na referência da API xAI (Chat Completions e Responses), no guia Reasoning e no exemplo Reasoning Effort Evals do cookbook: na xAI, completion_tokens (ou output_tokens) conta apenas a resposta visível, o raciocínio é contado separadamente e o total soma os três; o limite de saída não limita o raciocínio. A versão anterior afirmava o oposto, utilizava campos de Chat Completions numa resposta da API Responses, definia o esforço em grok-4.20-0309-reasoning (que não o aceita) e apresentava uma captura de ecrã que não correspondia à API; estes elementos foram corrigidos ou removidos. Fontes: Chat Completions · Responses · Reasoning Effort Evals.

Compreenda os tokens de raciocínio

Os modelos de raciocínio produzem dois tipos de tokens: os destinados à resposta visível e os relativos ao processo de pensamento interno do modelo. Compreender como a xAI os conta é essencial para dominar os seus custos e ler corretamente os seus painéis de controlo.

Output
Faturado à tarifa de saída
usage
Objeto de rastreio detalhado
Separado
Raciocínio contado fora da resposta
Effort
A alavanca do raciocínio

O objeto usage em Chat Completions

Cada resposta inclui um objeto usage que detalha o consumo. Eis o exemplo da referência da API Chat Completions da xAI:

{
  "usage": {
    "prompt_tokens": 32,
    "completion_tokens": 9,
    "total_tokens": 135,
    "completion_tokens_details": {
      "reasoning_tokens": 94
    }
  }
}

Neste exemplo:

  • prompt_tokens (32): tokens na mensagem de entrada
  • completion_tokens (9): tokens na resposta visível
  • reasoning_tokens (94): tokens dedicados ao raciocínio interno
  • total_tokens (135): a soma dos três, 32 + 9 + 94

O raciocínio não está, portanto, incluído em completion_tokens: é somado a este. Tenha cuidado se vier de outra API onde a convenção difere, ou se o seu painel calcular a resposta visível por subtração.

Aceder aos tokens de raciocínio no código

Na API Responses, a mesma informação possui nomes diferentes: input_tokens, output_tokens para a resposta visível e output_tokens_details.reasoning_tokens para o raciocínio.

response = client.responses.create(
    model="grok-4.7",
    input="Solve the integral of x^2 * e^x dx.",
    reasoning={"effort": "high"},
)

visible_response = response.usage.output_tokens
reasoning = response.usage.output_tokens_details.reasoning_tokens
billed_output = visible_response + reasoning

print(f"Reasoning tokens: {reasoning}")
print(f"Response tokens: {visible_response}")
print(f"Reasoning share: {reasoning / billed_output * 100:.0f}%")

Define o esforço em grok-4.7, grok-4.6 e grok-4.5; o grok-4.20-0309-reasoning raciocina sempre, sem parâmetro de esforço.

Faturação à tarifa de saída

Os tokens de raciocínio são faturados à tarifa de tokens de saída, como lembra o exemplo Reasoning Effort Evals no cookbook da xAI. Para o grok-4.7 a 6 USD por milhão de tokens de saída (prompt inferior a 200.000 tokens), cada token de raciocínio custa o mesmo que um token de resposta.

O esforço pesa, portanto, na fatura, mas nem sempre tanto quanto possa imaginar. Neste mesmo exemplo, em trinta tickets de suporte curtos tratados pelo grok-4.7, os esforços medium, high e xhigh consumiram aproximadamente a mesma quantidade de raciocínio — cerca de 600 tokens por resposta —, enquanto o low consumiu cerca de 140 e custou metade, com pontuações todas entre 87% e 93%. Meça nos seus próprios dados antes de escolher.

Exemplo de cálculo de custos

# grok-4.7: $6.00/M output tokens (prompt < 200k)
cost_per_token = 6.00 / 1_000_000

reasoning = 600
visible_response = 350
billed_output = reasoning + visible_response  # 950

cost = billed_output * cost_per_token
print(f"Output cost: ${cost:.4f}")  # $0.0057

O papel de max_completion_tokens

O limite de saída — max_completion_tokens em Chat Completions, max_output_tokens na API Responses — aplica-se apenas à resposta visível: segundo a referência da API, os tokens de raciocínio e as chamadas de função não contam para este limite. Sem um valor definido, o padrão é 128.000 tokens. Para limitar o raciocínio, precisa de definir o esforço (lição 10).

{
  "model": "grok-4.7",
  "messages": [
    {"role": "user", "content": "Explain special relativity."}
  ],
  "reasoning_effort": "medium",
  "max_completion_tokens": 2000
}

Preços verificados em 3 de novembro de 2026 — os preços alteram-se regularmente: antes de qualquer cálculo orçamental, consulte a tabela de preços atual na página oficial de modelos e preços da xAI.

Pontos-chave

  • Os tokens de raciocínio encontram-se em usage.completion_tokens_details.reasoning_tokens (Chat Completions) ou usage.output_tokens_details.reasoning_tokens (Responses)
  • Na xAI, completion_tokens e output_tokens contam apenas a resposta visível; o total soma a entrada, a resposta e o raciocínio
  • Os tokens de raciocínio são faturados à tarifa de saída
  • O limite de saída restringe apenas a resposta visível; o esforço controla o raciocínio
  • A diferença de custo entre esforços depende da tarefa: meça-a nos seus próprios dados