关键信息
成本跟踪
xAI API 的每个推理响应都包含该请求实际收取的确切费用，该值通过聊天补全、Responses API、图像生成和视频生成响应的 cost_in_usd_ticks 对象中的 usage 字段返回。
费用按请求计算：无论是简单补全、流式响应，还是使用服务端 tool 的智能体循环，每次调用都会返回该单独请求的费用。这是应用所有适用折扣（包括 prompt caching 减免）后的实际计费金额，包含全部 token 费用和服务端 tool 调用费用。无需估算，也无需事后查询账单。
工作原理
费用以 tick 表示，其中 1 USD = 10,000,000,000 tick（10^10）。换算为美元的方法如下：
cost_usd = cost_in_usd_ticks / 10,000,000,000例如，响应的 "cost_in_usd_ticks": 37756000 表示费用为 $0.0038。图像生成的 "cost_in_usd_ticks": 400000000 表示费用为 $0.04。
tick 用于精确计价：它可表示低至几分之一美分的费用，且无需浮点数舍入。处理数千个请求并需要准确汇总时，这一点非常重要。
从响应中读取费用
xAI SDK
xAI SDK 提供 cost_usd 便捷属性，可自动将 tick 换算为美元。如需整数精度，也可以通过 response.usage.cost_in_usd_ticks 访问原始 tick：
import os
from xai_sdk import Client
from xai_sdk.chat import user
client = Client(api_key=os.getenv("XAI_API_KEY"))
chat = client.chat.create(
model="grok-4.7",
messages=[user("Say hello")],
)
response = chat.sample()
# Convenience property — ticks converted to dollars.
print(f"Cost: ${response.cost_usd:.6f}")
# Raw ticks for integer-precision accounting.
print(f"Cost (ticks): {response.usage.cost_in_usd_ticks}")Chat Completions 与 Responses API
每个 REST 补全和响应中的 usage 对象都包含 cost_in_usd_ticks：
"usage": {
"input_tokens": 199,
"output_tokens": 1,
"total_tokens": 200,
"cost_in_usd_ticks": 158500
}流式传输
使用 xAI SDK 进行流式传输时，每个 chunk 都包含持续更新的 cost_in_usd_ticks 总额；最后一个 chunk 反映该请求的最终费用。组装后的 Response 对象会自动包含该值。
使用 OpenAI SDK 或 REST API 时，请在请求中设置 stream_options: { include_usage: true }。费用仅包含在最后一个 chunk 中（其 choices 为空）；中间 chunk 不包含用量数据。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1",
)
stream = client.chat.completions.create(
model="grok-4.7",
messages=[{"role": "user", "content": "Tell me a joke"}],
stream=True,
stream_options={"include_usage": True},
)
for chunk in stream:
if chunk.usage:
cost_ticks = chunk.usage.cost_in_usd_ticks
print(f"\nCost: ${cost_ticks / 1e10:.6f}")
elif chunk.choices:
print(chunk.choices[0].delta.content or "", end="", flush=True)跟踪整个对话的费用
cost_in_usd_ticks 按请求计算，不会跨轮次累积。在多轮对话中，需要自行汇总费用：
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1",
)
messages = [{"role": "system", "content": "You are a helpful assistant."}]
total_cost_usd = 0.0
while True:
prompt = input("You: ")
if prompt.lower() == "exit":
break
messages.append({"role": "user", "content": prompt})
completion = client.chat.completions.create(
model="grok-4.7",
messages=messages,
)
reply = completion.choices[0].message.content
print(f"Grok: {reply}")
messages.append({"role": "assistant", "content": reply})
cost_ticks = completion.usage.cost_in_usd_ticks
cost_usd = cost_ticks / 1e10
total_cost_usd += cost_usd
print(f" (this turn: ${cost_usd:.6f})")
print(f"Total session cost: ${total_cost_usd:.4f}")服务端 tool
当请求使用服务端 tool（web search、X search、code execution）时，模型可能在返回最终答案前进行多次内部调用。返回的 cost_in_usd_ticks 会以单个值涵盖该请求的全部 token 费用和所有 tool 调用费用，无需单独累加。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1",
)
response = client.responses.create(
model="grok-4.7",
input="What are people saying about SpaceXSI's latest announcement?",
tools=[
{"type": "web_search"},
{"type": "x_search"},
],
)
print(response.output_text)
# Cost covers all model decodes + every tool call in the agentic loop.
cost_ticks = response.usage.cost_in_usd_ticks
print(f"Cost: ${cost_ticks / 1e10:.4f}")图像与视频生成
图像和视频响应的 cost_in_usd_ticks 对象中也包含相同的 usage 字段：
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1",
)
response = client.images.generate(
model="grok-imagine-image-2.0",
prompt="A cat on a rocket",
)
cost_ticks = response.usage.cost_in_usd_ticks
print(f"Image cost: ${cost_ticks / 1e10:.4f}")Batch API
Batch 结果包含每个请求的费用。可以将其汇总得到 batch 总费用，也可以直接读取 batch 对象上的 cost_breakdown。详情请参阅 Batch API。
最后更新：2026 年 10 月 10 日