Faturação e otimização de custos
Nesta página
Atualizado em 3 de novembro de 2026: Os exemplos anteriores acediam a
usage.prompt_tokenseusage.completion_tokensnas respostas da API de Respostas, que expõeminput_tokens,output_tokense os respetivos detalhes (cached_tokens,reasoning_tokens): o código gerava umAttributeError. 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