A API Grok é oferecida pela xAI, com cobrança por token e preços separados para entrada e saída. Muitas equipes olham apenas o preço unitário do modelo ao fazer o orçamento e, depois do lançamento, encontram uma fatura muito distante da estimativa: histórico reenviado a cada rodada, saídas longas demais, retentativas sem backoff e documentos longos carregados repetidamente ampliam o custo.
Este artigo não fixa preços unitários. Ele decompõe a estrutura de cobrança da API Grok e apresenta um método reproduzível de estimativa e uma ordem de controle de custos. Preços concretos, modelos disponíveis e comprimento de contexto seguem a documentação da xAI e a página de preços do site.
Nota: xAI e Grok são marcas de seus titulares. Este artigo é apenas uma introdução técnica. Nomes de modelos, interfaces e preços podem mudar; antes de comprar, confira as páginas do fornecedor e a página de preços do site.
1. Do que a fatura da API Grok é composta
A API Grok usa o formato Chat Completions compatível com OpenAI, e a fatura normalmente se concentra em tokens de entrada e de saída. Em projetos reais, também é preciso considerar cache, chamadas de ferramentas, contexto longo e retentativas.
| Item de cobrança | Quando ocorre | Fatores comuns de ampliação | Forma de controle |
|---|---|---|---|
| Tokens de entrada | Prompt de sistema, histórico, definições de ferramentas, documentos | Reenvio do histórico completo a cada rodada | Resumo, corte, recuperação de trechos |
| Entrada com cache | Reuso do mesmo prefixo | Prefixo instável impede o acerto | Fixar system e ordem das ferramentas |
| Tokens de saída | Conteúdo gerado pelo modelo | Respostas longas, formato sem controle | Definir max_tokens, saída estruturada |
| Chamada de ferramentas | Funções, busca e recursos adicionais | Várias rodadas, consultas repetidas | Limitar rodadas, cachear resultados |
| Contexto longo | Documentos e conversas extensas | Base inteira inserida, leitura repetida | Processar em blocos, usar apenas trechos relevantes |
| Retentativa | Reenvio após 429 ou timeout | Sem backoff, concorrência alta | Backoff exponencial, verificação de idempotência |
Modelos e recursos diferentes podem ter critérios próprios; por exemplo, se a entrada com cache é cobrada e se a chamada de ferramentas é cobrada à parte. Isso segue a descrição de cobrança da xAI. No orçamento, confirme primeiro quais itens o seu uso aciona e depois discuta o preço unitário.
2. Mesmo volume de chamadas, faturas várias vezes maiores
Com o mesmo número de chamadas, a fatura pode ser completamente diferente. A diferença costuma vir de seis pontos:
- Proporção entrada/saída: um chatbot de atendimento tem entrada grande e saída média; geração de conteúdo tem entrada curta e saída longa. As duas estruturas de custo não podem ser estimadas pela mesma média.
- Acúmulo de contexto: em conversas de várias rodadas, todo o histórico é levado a cada rodada, e os tokens de entrada sobem rapidamente.
- Taxa de acerto de cache: prefixos fixos podem ser reutilizados; carimbos de tempo, IDs aleatórios e listas dinâmicas de ferramentas invalidam o cache.
- Faixa do modelo: modelos Grok diferentes têm capacidade e preço diferentes; usar um modelo de topo em tarefas simples amplia o orçamento.
- Número de retentativas: cada retentativa é uma nova requisição; repetir imediatamente após um 429 cria uma tempestade de retentativas.
- Comprimento da saída: o preço de saída costuma ser maior que o de entrada; respostas longas, explicações repetidas e formato sem controle aumentam o custo.
| Cenário | Estrutura de tokens | Custo principal | Direção de otimização |
|---|---|---|---|
| Chatbot de atendimento | Entrada grande, saída média | Histórico retransmitido | Resumo e cache |
| Extração de documentos | Entrada longa, saída curta | Documento lido repetidamente | Recuperação e modelo pequeno |
| Assistente de código | Entrada e saída grandes | Resultados de ferramentas e raciocínio | Cortar saída de ferramentas, rotear modelo |
| Geração de conteúdo | Entrada curta, saída longa | Tokens de saída | Geração em blocos, limitar comprimento |
3. Calcule o custo de uma requisição
Separando uma requisição, o custo pode ser expresso pela fórmula:
custo da requisição =
tokens de entrada sem cache × preço de entrada
+ tokens de entrada com cache × preço de cache
+ tokens de saída × preço de saída
+ custos adicionais de ferramentas ou busca
A fórmula não é difícil; o difícil é obter os números reais de tokens. Não estime pela contagem de caracteres: leia diretamente o campo usage da resposta:
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": "Divida este requisito em cinco tarefas de desenvolvimento."}],
max_tokens=512,
)
usage = resp.usage
print("Tokens de entrada:", usage.prompt_tokens)
print("Tokens de saída:", usage.completion_tokens)
print("Total de tokens:", usage.total_tokens)
Multiplique pelo preço unitário real da sua conta, lido da página de preços; não use capturas de tela de meses atrás. Os campos de estatística de acerto de cache podem ter nomes diferentes em implementações compatíveis; vale a resposta real.
4. A ordem para reduzir custos
A redução de custo tem sequência; inverter a ordem costuma dar trabalho sem resultado. Recomenda-se sete passos:
- Quantifique a linha de base: exporte os logs reais da última semana e conte tokens de entrada e saída por projeto, modelo e cenário para saber onde o dinheiro é gasto.
- Faça roteamento de modelos: classificação, extração e reescrita em modelos pequenos; raciocínio complexo em modelos maiores. Distribua por dificuldade da tarefa, não por hábito da equipe.
- Reduza a entrada: no RAG, recupere apenas trechos relevantes; resuma o histórico; mantenha apenas os campos necessários no retorno de ferramentas.
- Limite a saída: defina
max_tokensrazoável, exija JSON ou campos fixos e reduza saudações e explicações repetidas. - Use cache: fixe prompt de sistema, definições de ferramentas e prefixo da base de conhecimento, e verifique se o cache realmente acerta.
- Governança de retentativas: use backoff exponencial com jitter em 429 e timeout, defina máximo de tentativas e evite repetição agressiva em intervalo fixo.
- Orçamento e alertas: defina teto por projeto, revise semanalmente o ranking de consumo e localize crescimentos anormais.
Faça primeiro governança de entrada e cache, e só depois considere trocar por um modelo de custo menor. Caso contrário, você apenas torna a saída instável mais barata, e o custo de retrabalho volta.
5. Como administrar orçamento e fatura
- Uma Key por projeto, com teto de orçamento por projeto, para que vários serviços não disputem a mesma cota.
- O log deve registrar pelo menos horário, modelo, tokens de entrada e saída, status e request ID; não registre a Key completa nem conteúdo sensível.
- Concilie mensalmente por três dimensões — projeto, modelo e cenário — para encontrar as chamadas que mais crescem.
- Registre separadamente a economia obtida com cache, roteamento e limite de saída; caso contrário, o efeito da otimização não pode ser comprovado.
- Equipes que precisam de pagamento em RMB e nota fiscal podem usar um gateway de IA nacional para unificar a fatura; preços, câmbio e regras de nota fiscal seguem a página de preços.
Perguntas frequentes
A API Grok cobra apenas entrada e saída?
A fatura comum se concentra em tokens de entrada e saída, mas entrada com cache, chamadas de ferramentas e busca podem ter critério próprio. Os itens concretos seguem a descrição de cobrança do fornecedor e o detalhamento da fatura.
Por que a estimativa pela média de tokens não é precisa?
A média esconde a cauda longa. Poucas requisições com contexto muito longo, saída longa ou retentativas podem concentrar a maior parte do custo. Ver a distribuição nos logs reais é mais confiável do que multiplicar uma média pelo volume.
Quanto o cache economiza?
Depende da taxa de reuso do prefixo e da taxa de acerto. A leitura de cache costuma custar menos que a entrada comum, mas a escrita pode ter acréscimo; prefixo curto demais ou que muda sempre não acerta. Confirme o acerto nos logs antes de avaliar a economia.
Saída mais longa é sempre mais cara?
Normalmente sim, porque os tokens de saída são cobrados separadamente e o preço costuma ser maior que o de entrada. Limitar a resposta ao tamanho necessário e adotar saída estruturada costuma dar resultado mais rápido do que trocar de modelo.
Equipes que precisam de pagamento em RMB podem usar o Grok?
É possível chamar o Grok por um gateway de IA que ofereça recarga em RMB e nota fiscal, unificando a fatura de vários modelos. Modelos disponíveis, preços e regras de nota fiscal seguem a página de preços.
Próximos passos
Crie primeiro uma Key de teste no ZSQH AI Gateway, registre tokens de entrada e saída em um lote de tarefas reais e faça o orçamento com a fórmula acima. Disponibilidade de modelos e preços seguem a página de preços.
Leitura relacionada:
