Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Faturação e Gestão de Custos

Aula 14 de 16 Atualizada a 30 de julho de 2026 Programador
Nesta página
  1. Compreenda Pelo Que Está a Pagar
  2. A Armadilha do Histórico Cumulativo
  3. Leitura de Custos na Resposta
  4. Estratégias de Otimização
  5. Monitorização de Custos em Produção
  6. Alertas de Custo
  7. Pontos-chave

Compreenda Pelo Que Está a Pagar

A API de Respostas tem um detalhe de faturação importante: numa conversa encadeada, é cobrado pelo histórico completo, mesmo que não o reenvie explicitamente. Compreender este mecanismo é essencial para controlar os seus custos em produção.

A Armadilha do Histórico Cumulativo

Com previous_response_id, o servidor reconstrói automaticamente o contexto completo. Isto é conveniente para o programador, mas significa que os tokens se acumulam:

TurnoA sua mensagemTokens faturados (entrada)
150 tokens50
230 tokens + histórico do turno 1130
340 tokens + histórico dos turnos 1–2350
425 tokens + histórico dos turnos 1–3725

O crescimento é quadrático. No 10.º turno de uma conversa, os tokens de entrada podem ser 10 a 50 vezes superiores aos da sua mensagem inicial.

Leitura de Custos na Resposta

Cada resposta inclui um objeto usage com o custo exato:

{
  "usage": {
    "input_tokens": 450,
    "output_tokens": 280,
    "total_tokens": 730,
    "output_tokens_details": {
      "reasoning_tokens": 200
    },
    "cost_in_nano_usd": 1500000
  }
}

cost_in_nano_usd

O campo cost_in_nano_usd indica o custo em nano-dólares:

1.000.000.000 nano-USD = 1 USD

Para converter:

cost_usd = response.usage.cost_in_nano_usd / 1_000_000_000
print(f"Custo deste pedido: ${cost_usd:.6f}")

Tokens de Raciocínio

Os reasoning_tokens em output_tokens_details são faturados à taxa de tokens de saída. Podem representar 50 a 80% dos tokens de saída em modelos de raciocínio.

Estratégias de Otimização

Limitar o Comprimento da Conversa

Em vez de encadear indefinidamente, faça resumos periodicamente:

# Após N turnos, resumir e reiniciar
if turn_count > 5:
    summary = client.responses.create(
        model="grok-4.20-0309-reasoning",
        input="Resuma esta conversa em 3 pontos-chave.",
        previous_response_id=last_id
    )
    # Reiniciar com o resumo como novo contexto
    new_start = client.responses.create(
        model="grok-4.20-0309-reasoning",
        instructions=f"Contexto anterior: {summary.output[0].content[0].text}",
        input=user_message
    )

Escolher o Modelo Adequado

Nem todos os modelos têm o mesmo custo. Para tarefas simples, utilize um modelo menos potente (e mais barato). Reserve os modelos de raciocínio para problemas complexos.

Controlar max_output_tokens

Limite a saída quando não precisar de respostas longas:

{
  "model": "grok-4.20-0309-reasoning",
  "input": "Responda numa frase: qual é a capital do Japão?",
  "max_output_tokens": 100
}

Utilizar store: false Quando Possível

As respostas não armazenadas não são mantidas no servidor. Isto não reduz o custo direto, mas evita acumular dados desnecessários.

Monitorização de Custos em Produção

Implemente uma monitorização sistemática:

import json
from datetime import datetime

def log_usage(response, user_id, feature):
    log_entry = {
        "timestamp": datetime.now().isoformat(),
        "user_id": user_id,
        "feature": feature,
        "response_id": response.id,
        "model": response.model,
        "input_tokens": response.usage.input_tokens,
        "output_tokens": response.usage.output_tokens,
        "reasoning_tokens": response.usage.output_tokens_details.reasoning_tokens,
        "cost_nano_usd": response.usage.cost_in_nano_usd,
        "cost_usd": response.usage.cost_in_nano_usd / 1e9
    }
    # Guardar no seu sistema de registo
    save_to_db(log_entry)

Alertas de Custo

Configure limiares de alerta:

MAX_COST_PER_REQUEST = 0.05  # 5 cêntimos de USD

cost = response.usage.cost_in_nano_usd / 1e9
if cost > MAX_COST_PER_REQUEST:
    alert(f"Pedido dispendioso detetado: ${cost:.4f} (utilizador: {user_id})")

Pontos-chave

  • As conversas encadeadas faturam o histórico completo a cada turno — crescimento quadrático
  • cost_in_nano_usd / 1 mil milhão = custo em USD
  • Os tokens de raciocínio são faturados, mas invisíveis na resposta
  • Resuma conversas longas para conter custos
  • Implemente uma monitorização sistemática de custos por utilizador e por funcionalidade