Kostnadsfält i svar
På denna sida
Spåra kostnader i realtid
Varje svar från Grok API innehåller detaljerad information om vad det just kostade. Många team upptäcker denna information för sent, först när månadsfakturan kommer, trots att den finns tillgänglig för varje enskild begäran. Genom att utnyttja den redan från starten av integrationen kan du upptäcka avvikelser inom en timme efter att de uppstått: en systemprompt som fördubblats i storlek efter en driftsättning, en dåligt kalibrerad återförsöksloop som spelar upp samma anrop, eller en kontext som korsar en faktureringströskel. Utan denna spårning förblir dessa incidenter osynliga tills fakturan landar i brevlådan.
Objektet usage
Varje svar inkluderar ett usage-objekt som beskriver tokenförbrukning och tillhörande kostnad:
{
"usage": {
"prompt_tokens": 1250,
"completion_tokens": 340,
"total_tokens": 1590,
"cached_tokens": 800,
"cost_in_usd_ticks": 5000000000,
"cost_in_nano_usd": 500000000
}
}
De fyra räknefälten tolkas enligt följande.
| Fält | Betydelse |
|---|---|
prompt_tokens | antal input-tokens (din fullständiga prompt) |
completion_tokens | antal output-tokens (modellens svar) |
total_tokens | summan av input- och output-tokens |
cached_tokens | input-tokens som levererades från cache |
En detalj förhindrar ett vanligt misstag: cached_tokens är inkluderat i prompt_tokens, inte adderat till det. I exemplet ovan gick 1 250 tokens in i modellen, varav 800 kom från cachen, och endast 450 debiterades till fullt pris. Om din aggregator adderar båda fälten kommer den att dubbelräkna den cachade delen och artificiellt blåsa upp dina volymstatistik.
Två skalor för samma kostnad
Begärans kostnad anges i två heltalsenheter. Valet är inte godtyckligt: att uttrycka bråkdelar av en cent i flyttal introducerar avrundningsfel som blir synliga när man aggregerar miljontals anrop. Heltal undviker detta problem helt.
Fältet cost_in_usd_ticks räknar i “ticks”, där 10 miljarder ticks motsvarar en dollar. Värdet 5 000 000 000 i exemplet motsvarar därför 0,50 USD, och en miljon ticks motsvarar 0,0001 USD. Omvandlingen får plats på en rad:
cost_usd = cost_in_usd_ticks / 10_000_000_000
Fältet cost_in_nano_usd räknar i nano-dollar, där en miljard nano-dollar motsvarar en dollar. Värdet 500 000 000 i exemplet representerar samma belopp, 0,50 USD, och tusen nano-dollar motsvarar 0,000001 USD. Omvandlingen följer samma logik:
cost_usd = cost_in_nano_usd / 1_000_000_000
Båda fälten beskriver samma belopp men i olika skalor. cost_in_nano_usd är mer intuitivt att hantera, medan cost_in_usd_ticks erbjuder något högre precision. Välj ett och håll dig till det genom hela din mätkedja: att blanda båda i samma aggregering är det säkraste sättet att få inkonsistenta summor.
Bygg en kostnadsspårare
I produktion räcker en enda ackumulator för att omvandla dessa fält till en instrumentpanel. Klassen nedan registrerar varje usage-objekt och exponerar den kumulativa kostnaden tillsammans med cache-andelen:
class CostTracker:
def __init__(self):
self.total_nano_usd = 0
self.requests = 0
self.input_tokens = 0
self.output_tokens = 0
self.cached_tokens = 0
def record(self, usage):
self.total_nano_usd += usage.get("cost_in_nano_usd", 0)
self.requests += 1
self.input_tokens += usage.get("prompt_tokens", 0)
self.output_tokens += usage.get("completion_tokens", 0)
self.cached_tokens += usage.get("cached_tokens", 0)
@property
def total_cost_usd(self):
return self.total_nano_usd / 1_000_000_000
@property
def cache_rate(self):
if self.input_tokens == 0:
return 0
return self.cached_tokens / self.input_tokens
Koppla därefter tröskelvärden till total_cost_usd. En första tröskel vid 80 % av den dagliga budgeten utlöser en informationsvarning till det tekniska teamet; en andra vid 95 % blir en kritisk varning som kräver mänskligt beslut; vid 100 % kapar applikationen automatiskt icke-kritiska begäranden – batchjobb, förberäkningar, fördröjda berikningar – och tillåter endast direkt användartrafik. Denna gradvisa nedtrappning är bättre än ett plötsligt serviceavbrott under en toppdag.
Analysera cache-andelen
Egenskapen cache_rate förtjänar en egen instrumentpanel, eftersom den direkt speglar kvaliteten på din promptstruktur.
| Cache-andel | Tolkning |
|---|---|
| 0 till 20 % | ingen effektiv cache, se över promptstrukturen |
| 20 till 50 % | partiell cache, kontrollera stabiliteten hos dina systemprompter |
| 50 till 80 % | bra andel för konversationer |
| 80 % och uppåt | utmärkt, typiskt för långa, stabila prompter |
En andel som sjunker kraftigt från en vecka till nästa är nästan alltid ett tecken på en driftsättning som introducerat en variabel i början av prompten. Nästa lektion beskriver mekanismen i detalj; kom ihåg att denna siffra är en regressionsindikator lika värdefull som en felprocent.
Priser per den 5 augusti 2026 — priser ändras regelbundet: innan du gör någon budgetberäkning, kontrollera den aktuella prislistan på den officiella sidan för xAI-modeller och prissättning.
Viktiga punkter
- Varje API-svar innehåller ett
usage-objekt med tokendetaljer och kostnad cost_in_usd_ticks: 10 miljarder ticks = 1 USDcost_in_nano_usd: 1 miljard nano-USD = 1 USD- Fältet
cached_tokensmäter cache-effektivitet - Bygg en kostnadsspårare i produktion med budgetvarningar