Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Fakturiranje in optimizacija stroškov

Lekcija 9 od 12 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Tokeni za razmišljanje na vašem računu
  2. Cenik po modelih (julij 2026)
  3. Sledenje stroškom vsake zahteve
  4. Strategije optimizacije stroškov
  5. Sledenje proračunu v proizvodnem okolju
  6. Ključne ugotovitve

Posodobljeno 3. novembra 2026: Prejšnji primeri so dostopali do usage.prompt_tokens in usage.completion_tokens v odgovorih API-ja Responses, ki razkrivajo input_tokens, output_tokens in njihove podrobnosti (cached_tokens, reasoning_tokens): koda je sprožila napako AttributeError. Sledenje stroškom zdaj upošteva predpomnjeni vnos, nasvet o znižanju omejitve izhoda za omejitev razmišljanja pa je popravljen, saj ta omejitev ne šteje tokenov za razmišljanje. Viri: Modeli in cenik · Najboljše prakse.

Tokeni za razmišljanje na vašem računu

Fakturiranje tokenov za razmišljanje je ključni vidik uporabe modelov xAI. Ti tokeni se zaračunavajo po stopnji izhodnih tokenov – najvišji stopnji – in neoptimizirana uporaba lahko hitro dvigne stroške, zlasti pri velikem naporu razmišljanja na modelu grok-4.5.

Novost leta 2026, ki jo je pomembno razumeti: cenik je stopnjevit. Cena na token je odvisna od velikosti konteksta zahteve. Pri manj kot 200 tisoč tokenov vnosa plačate standardno stopnjo; nad to mejo se stopnja podvoji.

Cenik po modelih (julij 2026)

Cena na milijon tokenov.

Model Vnos < 200 tisoč Izhod < 200 tisoč Vnos ≥ 200 tisoč Izhod ≥ 200 tisoč
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 $

Tokeni za razmišljanje se zaračunavajo po stopnji iz stolpca „Izhod”. Pri modelu grok-4.5 z kontekstom pod 200 tisoč tokenov stane vsak milijon tokenov za razmišljanje 6,00 $; pri modelu grok-4.20-0309-reasoning 2,50 $. Če vaš poziv preseže 200 tisoč tokenov, se ti zneski podvojijo: na 12,00 $ oziroma 5,00 $.

Sledenje stroškom vsake zahteve

Predmet usage v odgovoru vsebuje števce tokenov; nekateri odgovori API-ja xAI lahko vključujejo tudi neposredna polja za stroške. Preglejte predmet usage, ki ga vrne vaš model, in preverite uradno dokumentacijo za razpoložljiva polja. V nasprotnem primeru je ročni izračun preprost:

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

# Stopnje za grok-4.5 pri kontekstu pod 200 tisoč tokenov (API Responses šteje vnos/izhod)
usage = response.usage
input_cost = usage.input_tokens * 2.00 / 1_000_000
output_cost = usage.output_tokens * 6.00 / 1_000_000  # vključuje razmišljanje
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}")

Opozorilo: ta izračun predpostavlja kontekst pod 200 tisoč tokenov. V proizvodnem okolju mora vaš sledilnik zaznati veljavno stopnjo (glej spodaj).

Strategije optimizacije stroškov

1. Prilagodite napor nalogi

Prva in najučinkovitejša optimizacija je izbira ustrezne ravni napora razmišljanja na modelu grok-4.5. Nizek napor lahko porabi bistveno manj tokenov za razmišljanje kot visok napor:

# Razvrstite zahteve po kompleksnosti
if complexity == "simple":
    effort = "low"      # kratko razmišljanje
elif complexity == "medium":
    effort = "medium"   # vmesno razmišljanje
else:
    effort = "high"     # globoko razmišljanje

Preverite točne vrednosti, ki jih parameter sprejema, na uradni strani modelov.

2. Uporabite pravi model

Za običajne naloge razmišljanja model grok-4.20-0309-reasoning pri 2,50 $/M izhoda stane manj kot polovico modela grok-4.5 pri 6,00 $/M. Vodilni model rezervirajte za naloge, ki ga resnično zahtevajo. Za kodo je model grok-build-0.1 pri 2,00 $/M izhoda še bolj ekonomičen.

3. Ostanite pod stopnjo 200 tisoč tokenov

Stopnja cenika je neposreden vzvod: zahteva s 250 tisoč kontekstnimi tokeni stane dvakrat toliko na token kot zahteva s 150 tisoč. Preden pošljete ogromen kontekst, si zastavite vprašanje, ali njegova razdelitev na več manjših zahtev (ali vmesni povzetek) ne bi bila cenejša in učinkovitejša.

4. Izkoristite predpomnjenje pozivov

xAI ponuja znižane cene za vhodne tokene, ki so že v predpomnilniku: ponavljajoča se predpona poziva (sistemska navodila, skupni kontekst) stane manj, ko se ponovno uporabi iz ene zahteve v drugo. Pri manj kot 200 tisoč tokenih predpomnjeni vnos stane 0,30 $ na milijon namesto 2,00 $ pri modelu grok-4.5 in 0,20 $ namesto 1,25 $ pri modelu grok-4.20-0309-reasoning (stran Modeli in cenik, november 2026). Strukturirajte svoje pozive tako, da so stabilni deli na začetku; del, ki ga streže predpomnilnik, se pojavi v usage.input_tokens_details.cached_tokens.

5. Določite velikost omejitve izhoda

Omejitev izhoda (max_output_tokens v API-ju Responses, max_completion_tokens v Chat Completions) omejuje le vidni odgovor: tokeni za razmišljanje se vanjo ne štejejo. Znižanje torej ne zmanjša razmišljanja; tvegate le, da bo odgovor prekinjen. Najboljše prakse xAI priporočajo, da jo nastavite nad najdaljši pričakovani odgovor ali pustite privzeto vrednost 128.000 tokenov. Če želite zmanjšati razmišljanje, znižajte napor pri modelih, ki to omogočajo, ali izberite cenejši model.

Sledenje proračunu v proizvodnem okolju

class CostTracker:
    # Stopnje na MTok: (vnos, predpomnjen vnos, izhod) po stopnjah konteksta
    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  # tokeni vnosa

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

    def track(self, response, model="grok-4.5"):
        usage = response.usage  # odgovor API-ja Responses
        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  # vključuje razmišljanje
        )
        self.total_cost += cost
        self.request_count += 1
        return cost

Cenik z dne 5. avgusta 2026 – cene se redno spreminjajo: pred vsakim izračunom proračuna preverite trenutno lestvico na uradni strani modelov in cenika xAI.

Ključne ugotovitve

  • Tokeni za razmišljanje se zaračunavajo po stopnji izhodnih tokenov
  • Cenik za leto 2026 je stopnjevit: prek 200 tisoč kontekstnih tokenov se cena na token podvoji
  • Model grok-4.5 stane 2 $/6 $ na MTok pod 200 tisoč (4 $/12 $ nad tem); model grok-4.20-0309-reasoning stane 1,25 $/2,50 $ (2,50 $/5 $ nad tem)
  • Trije glavni vzvodi: prilagodite napor razmišljanja, izberite pravi model, ostanite pod stopnjo 200 tisoč
  • Spremljajte svoje stroške zahteva za zahtevo, pri čemer upoštevajte veljavno stopnjo