Unités et allocations TPM par modèle

Pourquoi une unité ne vaut pas la même chose partout

Nous avons établi qu’une unité de débit provisionné coûte le même prix quel que soit le modèle. Ce qui change, c’est ce qu’elle vous donne : chaque unité ouvre droit à un nombre de tokens par minute qui dépend du modèle choisi. Cette variation n’a rien d’arbitraire, elle reflète la complexité computationnelle du modèle. Plus celui-ci mobilise de calcul pour produire un token, moins une unité peut en délivrer par minute.

Une seconde distinction structure le tableau qui suit : les allocations sont séparées entre tokens d’entrée et tokens de sortie, parce que le coût de génération est nettement supérieur au coût d’ingestion. Lire un prompt de mille tokens et en écrire mille ne demandent pas le même effort à l’infrastructure, et la grille en tient compte.

Les allocations par modèle

Voici les allocations TPM par unité pour les principaux modèles disponibles en débit provisionné (valeurs indicatives — consultez la documentation officielle xAI pour les allocations à jour de chaque modèle) :

Lire le tableau

Le haut de gamme se repère immédiatement à ses allocations basses. Les modèles grok-4.5 et grok-4.20 sont les plus puissants, donc les plus coûteux en calcul, et ce sont eux qui offrent le moins de TPM par unité : de 2 000 à 3 000 en entrée, de 400 à 700 en sortie. Réservez-les aux tâches qui exigent réellement un raisonnement avancé, car l’écart avec le reste de la gamme est tel qu’un usage indifférencié se paie très cher — la leçon suivante le montre chiffres en main.

À l’autre extrémité, grok-build-0.1 monte jusqu’à 31 500 TPM d’entrée et 4 000 TPM de sortie par unité, soit le débit d’entrée le plus élevé de la gamme. Spécialisé pour la génération de code, il offre le meilleur compromis débit/coût pour les workflows de développement, et son profil colle exactement à ce type de charge : un service qui lit de gros fichiers sources pour proposer des correctifs consomme énormément en entrée et relativement peu en sortie.

Entre les deux, grok-4.3 délivre 21 000 TPM d’entrée et 12 500 TPM de sortie par unité. C’est le seul modèle du tableau dont la sortie reste généreuse, ce qui le rend particulièrement adapté aux tâches simples à haut volume — classification, extraction, résumé — où l’on produit beaucoup de texte à partir d’un contexte modeste.

Traduire cette grille en décisions

L’exercice consiste, en pratique, à faire correspondre chaque cas d’usage au modèle dont le profil d’allocation lui ressemble. Un service de support client, un chatbot interne, une chaîne de classification ou tout traitement à haut volume s’appuieront sur grok-4.3. L’analyse complexe, la rédaction avancée et les scénarios multi-agents justifient grok-4.20. La génération de code et les workflows de développement iront vers grok-build-0.1.

Rien ne vous oblige d’ailleurs à trancher une fois pour toutes à l’échelle de l’entreprise. Vous pouvez provisionner plusieurs modèles en parallèle et les isoler dans des pools de capacité distincts, en vous appuyant sur le header x-pt-id pour diriger chaque requête vers le pool correspondant. C’est ainsi qu’une même plateforme sert un chatbot économique et un moteur d’analyse premium sans que le premier ne vienne consommer la capacité réservée au second.

Points clés à retenir

• Les allocations TPM varient fortement selon le modèle : de 2 000 à 31 500 TPM d’entrée par unité
• Le coût unitaire reste constant à $10/jour, c’est le TPM qui varie
• grok-4.3 et grok-build-0.1 offrent le meilleur rapport débit/coût
• Combinez plusieurs modèles pour optimiser les coûts selon le type de tâche