La API de Grok, ofrecida por xAI, se factura por tokens, con precios separados para la entrada y la salida. Muchos equipos elaboran su presupuesto mirando solo el precio unitario del modelo y, cuando el servicio entra en producción, descubren que la factura se aleja bastante de la estimación: el historial de mensajes se reenvía en cada turno, las respuestas son demasiado largas, los reintentos no aplican retroceso y los documentos extensos se cargan una y otra vez. Cada uno de esos factores multiplica el costo.

Este artículo no fija ningún precio unitario. En su lugar, desglosa la estructura de facturación de la API de Grok y propone un método de medición reproducible y un orden concreto para controlar el costo. Los precios vigentes, los modelos disponibles y la longitud de contexto se rigen por la documentación oficial de xAI y por la página de precios de modelos de este sitio.

Nota: xAI y Grok son marcas de sus respectivos titulares; este artículo solo ofrece una explicación técnica. Los nombres de los modelos, las interfaces y los precios pueden cambiar. Antes de comprar, verifica la página oficial y los precios de modelos.

1. Qué compone la factura de la API de Grok

La API de Grok utiliza el formato Chat Completions compatible con OpenAI, y la factura suele girar en torno a los tokens de entrada y de salida. En proyectos reales también hay que considerar la caché, las llamadas a herramientas, el contexto largo y los reintentos fallidos.

Concepto facturado Cuándo se genera Factor habitual que lo amplifica Cómo controlarlo
Tokens de entrada System prompt, historial de mensajes, definiciones de herramientas, documentos Reenviar el historial completo en cada turno Resúmenes, recorte, recuperación por búsqueda
Entrada en caché Reutilización de un mismo prefijo Prefijos inestables que no aciertan Fijar el orden del system y de las herramientas
Tokens de salida Contenido generado por el modelo Respuestas extensas, formato sin control Definir max_tokens, salida estructurada
Llamadas a herramientas Funciones, búsqueda y otras capacidades adicionales Bucles de varios turnos, consultas repetidas Limitar turnos, almacenar resultados
Contexto largo Documentos extensos, conversaciones largas Cargar toda la base, lecturas repetidas Procesar por fragmentos, tomar solo lo relevante
Reintentos Reenvíos tras un 429 o un timeout Falta de retroceso, concurrencia excesiva Retroceso exponencial, comprobación idempotente

Distintos modelos y capacidades pueden tener reglas de facturación propias. Por ejemplo, si la entrada en caché se cobra y si las llamadas a herramientas se facturan aparte dependen de las condiciones oficiales de xAI. Antes de presupuestar, confirma qué conceptos utilizas y después habla de precios unitarios.

2. Por qué la factura cambia varias veces con el mismo número de llamadas

Dos servicios pueden hacer la misma cantidad de peticiones y recibir facturas completamente distintas. La diferencia suele venir de estos seis puntos:

  1. Proporción entre entrada y salida. Un bot de atención al cliente recibe mucha entrada y produce una salida media; un generador de contenido recibe poca entrada y produce mucha salida. No se puede estimar el costo de ambos con el mismo promedio.
  2. Acumulación de contexto. En una conversación de varios turnos se envía todo el historial en cada turno, así que los tokens de entrada crecen rápidamente.
  3. Tasa de aciertos de caché. Un prefijo fijo se puede reutilizar; las marcas de tiempo, los identificadores aleatorios y las listas dinámicas de herramientas invalidan la caché.
  4. Nivel del modelo. Los distintos modelos de Grok tienen capacidades y precios diferentes. Usar un modelo de gama alta para tareas simples infla el presupuesto.
  5. Número de reintentos. Cada reintento es una petición nueva. Reenviar de inmediato después de un 429 suele crear una tormenta de reintentos.
  6. Longitud de la salida. El precio de salida suele ser superior al de entrada. Las respuestas largas, las explicaciones repetidas y los formatos sin control aumentan el costo.
Escenario Estructura de tokens Costo principal Dirección de optimización
Bot de atención al cliente Entrada alta, salida media Historial reenviado una y otra vez Resúmenes más caché
Extracción de documentos Entrada larga, salida corta Documentos leídos varias veces Búsqueda más modelo pequeño
Asistente de código Entrada y salida altas Resultados de herramientas y razonamiento Recortar resultados, enrutar modelos
Generación de contenido Entrada corta, salida larga Tokens de salida Generación por partes, límite de longitud

3. Calcular el costo de una petición

Si desglosas una petición, el costo se puede expresar con esta fórmula:

costo por petición =
  tokens de entrada sin caché × precio de entrada
+ tokens de entrada en caché × precio de caché
+ tokens de salida × precio de salida
+ cargos adicionales por herramientas o búsqueda

La fórmula no es complicada; lo difícil es obtener el número real de tokens. No lo estimes a partir del número de caracteres: lee directamente el campo usage de la respuesta.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GROK_API_KEY"],
    base_url=os.environ.get("GROK_BASE_URL", "https://ai.zhongshangqihang.com/v1"),
)

resp = client.chat.completions.create(
    model="grok-4",
    messages=[{"role": "user", "content": "Divide este requisito en cinco tareas de desarrollo."}],
    max_tokens=512,
)

usage = resp.usage
print("Tokens de entrada:", usage.prompt_tokens)
print("Tokens de salida:", usage.completion_tokens)
print("Tokens totales:", usage.total_tokens)

Para obtener el importe, multiplica por el precio real de tu cuenta. Consulta ese precio en precios de modelos y no reutilices una captura de pantalla de hace varios meses. Los campos que contabilizan los aciertos de caché pueden tener nombres distintos según la implementación compatible; guíate por lo que devuelva realmente la respuesta.

4. Orden para reducir el costo

Para bajar costos hay un orden, y alterarlo suele desperdiciar esfuerzo. Se recomiendan estos siete pasos:

  1. Cuantificar primero la línea base. Exporta los registros reales de la última semana y suma tokens de entrada y salida por proyecto, modelo y escenario. Antes de optimizar, hay que saber dónde se gasta el dinero.
  2. Enrutar por modelo. Clasificación, extracción y reescritura pueden ir a modelos pequeños; el razonamiento complejo, a modelos de gama alta. Asigna según la dificultad de la tarea, no según la costumbre del equipo.
  3. Reducir la entrada. En RAG, recupera solo fragmentos relevantes; resume el historial; conserva únicamente los campos necesarios de las respuestas de herramientas.
  4. Limitar la salida. Define un max_tokens razonable y exige JSON o campos fijos para evitar fórmulas de cortesía y explicaciones repetidas.
  5. Aprovechar la caché. Fija el system prompt, las definiciones de herramientas y el prefijo de la base de conocimiento, y comprueba que la caché realmente acierte.
  6. Gobernar los reintentos. Para 429 y timeouts, usa retroceso exponencial con jitter aleatorio, define un máximo de reintentos y evita reintentar a intervalos fijos.
  7. Presupuesto y alertas. Establece un límite por proyecto y revisa semanalmente el ranking de consumo para localizar crecimientos anómalos.

Conviene gobernar la entrada y la caché antes de plantearse cambiar a un modelo más económico. De lo contrario, solo abaratarás una salida inestable y el costo del retrabajo volverá por otra puerta.

5. Cómo gestionar el presupuesto y la factura

  • Una clave por proyecto y un límite de presupuesto por proyecto, para que varios servicios no compitan por la misma cuota.
  • Registra al menos la hora, el modelo, los tokens de entrada y salida, el código de estado y el ID de la petición. No registres la clave completa ni contenido sensible.
  • Cada mes, concilia por tres dimensiones: proyecto, modelo y escenario. Así encontrarás las llamadas que más crecen.
  • Documenta por separado el ahorro logrado con caché, enrutamiento y límites de salida; de otro modo no podrás demostrar el efecto de la optimización.
  • Los equipos que necesitan pagar en yuanes y recibir factura local pueden centralizar la facturación con un gateway de IA accesible desde China continental. Las condiciones concretas de precio, tipo de cambio y factura se rigen por precios de modelos.

Preguntas frecuentes

¿La API de Grok solo cobra entrada y salida?

La factura habitual se centra en los tokens de entrada y salida, pero la entrada en caché, las llamadas a herramientas y la búsqueda pueden tener reglas de facturación independientes. Los conceptos exactos dependen de la documentación oficial y del detalle de tu factura.

¿Por qué una estimación con tokens promedio no es precisa?

El promedio oculta la cola larga. Unas pocas peticiones con contexto muy largo, salidas extensas o reintentos pueden concentrar la mayor parte del costo. Es más fiable observar la distribución en registros reales que multiplicar un promedio por el número de llamadas.

¿Cuánto ahorra la caché?

Depende de la tasa de reutilización del prefijo y de la tasa de aciertos. La lectura de caché suele costar menos que la entrada normal, pero la escritura de caché puede tener un recargo; además, un prefijo demasiado corto o cambiante no acierta. Confirma primero los aciertos en los registros y luego evalúa el ahorro.

¿Una salida más larga siempre cuesta más?

Normalmente sí, porque los tokens de salida se facturan aparte y su precio suele ser mayor que el de entrada. Limitar la respuesta a la longitud que necesita el negocio y usar salida estructurada suele dar resultados más rápido que cambiar de modelo.

¿Cómo puede un equipo en China continental liquidar en yuanes?

Puede llamar a Grok a través de un gateway de IA que ofrezca recarga en yuanes y facturación, con una factura unificada para varios modelos. Los modelos disponibles, los precios y las reglas de facturación se rigen por precios de modelos.

Siguientes pasos

Crea primero una clave de prueba en ZSQH AI Gateway, registra los tokens de entrada y salida de un lote de tareas reales y después aplica la fórmula anterior para presupuestar. La disponibilidad y los precios de los modelos se rigen por precios de modelos.

Lecturas relacionadas: