Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Faturação e otimização de custos

Aula 9 de 12 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. Tokens de raciocínio na sua fatura
  2. Preços por modelo (julho de 2026)
  3. Acompanhar o custo de cada pedido
  4. Estratégias de otimização de custos
  5. Acompanhamento do orçamento em produção
  6. Pontos-chave

Atualizado em 3 de novembro de 2026: Os exemplos anteriores acediam a usage.prompt_tokens e usage.completion_tokens nas respostas da API de Respostas, que expõem input_tokens, output_tokens e os respetivos detalhes (cached_tokens, reasoning_tokens): o código gerava um AttributeError. O acompanhamento de custos agora considera a entrada em cache, e o conselho para reduzir o limite de saída de modo a limitar o raciocínio foi corrigido, uma vez que este limite não conta os tokens de raciocínio. Fontes: Modelos e Preços · Melhores práticas.

Tokens de raciocínio na sua fatura

A faturação dos tokens de raciocínio é um aspeto crítico da utilização dos modelos xAI. Estes tokens são faturados à tarifa de tokens de saída — a mais elevada — e uma utilização não otimizada pode fazer disparar os custos rapidamente, especialmente com um esforço de raciocínio elevado no grok-4.5.

Novidade de 2026 e importante de compreender: a preços são escalados. O preço por token depende da dimensão do contexto do pedido. Abaixo de 200 mil tokens de prompt, paga a tarifa standard; acima desse valor, a tarifa duplica.

Preços por modelo (julho de 2026)

Preço por milhão de tokens.

Modelo Entrada < 200k Saída < 200k Entrada ≥ 200k Saída ≥ 200k
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

Os tokens de raciocínio são faturados à tarifa da coluna «Saída». Com o grok-4.5 num contexto inferior a 200k, cada milhão de tokens de raciocínio custa $6.00; com o grok-4.20-0309-reasoning, custa $2.50. Se o seu prompt exceder 200k tokens, estes valores duplicam: $12.00 e $5.00.

Acompanhar o custo de cada pedido

O objeto usage na resposta contém contadores de tokens; algumas respostas da API xAI podem também incluir campos de custo diretos. Inspecione o objeto usage devolvido pelo seu modelo e consulte a documentação oficial para verificar os campos disponíveis. Caso contrário, o cálculo manual é simples:

response = client.responses.create(
    model="grok-4.5",
    input="Solve this dynamic programming problem...",
    reasoning={"effort": "high"}
)

# Tarifas do grok-4.5 para contextos inferiores a 200k tokens (a API de Respostas conta em entrada/saída)
usage = response.usage
input_cost = usage.input_tokens * 2.00 / 1_000_000
output_cost = usage.output_tokens * 6.00 / 1_000_000  # inclui raciocínio
total_cost = input_cost + output_cost

print(f"Input cost: ${input_cost:.6f}")
print(f"Output cost: ${output_cost:.6f}")
print(f"Total cost: ${total_cost:.6f}")

Atenção: este cálculo pressupõe um contexto inferior a 200k tokens. Em produção, o seu sistema de acompanhamento deve detetar o escalão aplicável (ver abaixo).

Estratégias de otimização de custos

1. Adequar o esforço à tarefa

A primeira e mais eficaz otimização consiste em escolher o nível de esforço de raciocínio correto no grok-4.5. Um esforço baixo pode consumir significativamente menos tokens de raciocínio do que um esforço elevado:

# Ordenar pedidos por complexidade
if complexity == "simple":
    effort = "low"      # raciocínio breve
elif complexity == "medium":
    effort = "medium"   # raciocínio intermédio
else:
    effort = "high"     # raciocínio profundo

Verifique os valores exatos aceites pelo parâmetro na página oficial dos modelos.

2. Utilizar o modelo adequado

Para tarefas de raciocínio comuns, o grok-4.20-0309-reasoning, a $2.50/M de saída, custa menos de metade do grok-4.5 a $6.00/M. Reserve o modelo de topo para tarefas que realmente o exijam. Para código, o grok-build-0.1 a $2.00/M de saída é ainda mais económico.

3. Manter-se abaixo do escalão de 200k tokens

O escalão de preços é uma alavanca direta: um pedido com 250k tokens de contexto custa o dobro por token do que um pedido com 150k. Antes de enviar um contexto massivo, questione-se se dividi-lo em vários pedidos menores (ou num resumo intermédio) não seria simultaneamente mais barato e mais eficaz.

4. Aproveitar a cache de prompts

A xAI oferece preços reduzidos para tokens de entrada já em cache: prefixos de prompt repetidos (instruções de sistema, contexto partilhado) custam menos quando reutilizados de um pedido para o outro. Abaixo de 200k tokens, a entrada em cache custa $0.30 por milhão em vez de $2.00 com o grok-4.5, e $0.20 em vez de $1.25 com o grok-4.20-0309-reasoning (página Modelos e Preços, novembro de 2026). Estruture os seus prompts com partes estáveis no início; a porção servida pela cache aparece em usage.input_tokens_details.cached_tokens.

5. Dimensionar o limite de saída

O limite de saída (max_output_tokens na API de Respostas, max_completion_tokens em Chat Completions) limita apenas a resposta visível: os tokens de raciocínio não contam para esse limite. Reduzi-lo, portanto, não reduz o raciocínio; arrisca apenas cortar a resposta. As melhores práticas da xAI recomendam defini-lo acima da resposta mais longa esperada ou manter o seu valor predefinido de 128 000 tokens. Para reduzir o raciocínio, diminua o esforço nos modelos que o aceitam ou opte por um modelo mais barato.

Acompanhamento do orçamento em produção

class CostTracker:
    # Tarifas por MTok: (entrada, entrada em cache, saída) por escalão de contexto
    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  # tokens de prompt

    def __init__(self):
        self.total_cost = 0
        self.request_count = 0

    def track(self, response, model="grok-4.5"):
        usage = response.usage  # resposta da API de Respostas
        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  # inclui raciocínio
        )
        self.total_cost += cost
        self.request_count += 1
        return cost

Preços atualizados a 5 de agosto de 2026 — os preços alteram-se regularmente: antes de qualquer cálculo orçamental, verifique a grelha atual na página oficial de modelos e preços da xAI.

Pontos-chave

  • Os tokens de raciocínio são faturados à tarifa de tokens de saída
  • A tabela de preços de 2026 é escalonada: além de 200k tokens de contexto, o preço por token duplica
  • O grok-4.5 custa $2/$6 por MTok abaixo de 200k ($4/$12 acima); o grok-4.20-0309-reasoning custa $1.25/$2.50 ($2.50/$5 acima)
  • As três principais alavancas: adequar o esforço de raciocínio, escolher o modelo certo e manter-se abaixo do escalão de 200k
  • Acompanhe os seus custos pedido a pedido, tendo em conta o escalão aplicável