//
Busca en todas las páginas de la documentación
Una lista de verificación para mantener los datos de costes de la API de administración precisos, actualizados y accionables.
api_key_ids o workspace_ids reduce los datos transferidos y el trabajo de agregación en comparación con la obtención de todo y el filtrado en Python.group_by=["api_key_id"] es un viaje de ida y vuelta contra una ventana de tiempo consistente; N llamadas filtradas separadas son más lentas y corren el riesgo de deriva de la ventana entre llamadas.Mantener los tipos de token separados a través de tu pipeline (sección A, primer elemento). Casi todas las demás prácticas en esta página, desde la fijación de precios precisa hasta un desglose de cargos útil, dependen de que esa separación se preserve en lugar de colapsarse pronto.
Una sola llamada agrupada devuelve los datos de cada identificador de la misma ventana de tiempo en una solicitud, mientras que iterar por clave corre el riesgo de que la ventana cambie ligeramente entre llamadas y multiplica el uso de la API sin ningún beneficio.
Las prácticas de emisión de claves y atribución (requerir un equipo propietario en la creación de claves, nunca compartir claves entre equipos) vale la pena adoptarlas desde el principio, ya que adaptarlas a claves existentes más tarde es mucho más trabajo que empezar con ellas.
Para una pregunta verdaderamente única e informal, sí. Para cualquier cosa recurrente o presentada a un stakeholder que pueda preguntar razonablemente "¿por qué cambió esto?", mantén disponible el desglose por tipo de token o por dimensión al menos un nivel por debajo del total.
Las cifras individuales de gasto y participación pueden revelar información adyacente al rendimiento sobre empleados específicos, similar en sensibilidad a otros datos de personas a nivel individual a los que tu organización ya restringe el acceso.
Como mínimo, cada vez que cambie tu clave de API o la estructura de tu espacio de trabajo, como una división de equipo o la adición de una nueva integración, y como práctica básica, al menos anualmente, incluso sin un cambio conocido.
Se emite una nueva clave de API sin actualizar el mapeo de clave a equipo, por lo que su uso falla ruidosamente (si el pipeline está diseñado para fallar ante una clave no mapeada, como se recomienda aquí) o, peor aún, se descarta silenciosamente o se atribuye incorrectamente.
Solo al final. Redondear cada bucket intermedio antes de sumar introduce errores de acumulación en muchas filas; mantener la precisión completa a través de la agregación y redondear una vez al momento de la visualización mantiene el total final preciso.
Para preguntas genuinamente únicas, o cuando un stakeholder no técnico necesita acceso de autoservicio. Construir un pipeline o panel personalizado para una pregunta que la Consola ya responde bien es un esfuerzo que es mejor dedicar a otra parte.
Mantenerlos separados significa que cada uno puede ser auditado de forma independiente: puedes verificar que los números de costes sean correctos sin tener que desenredar también las reglas de negocio para cómo se dividen entre los equipos, y viceversa.
Versiones de Stack: Escrito contra la línea de modelos de Claude actual a partir de ~junio de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (el predeterminado) y Claude Haiku 4.5 - y el SDK oficial de Python
anthropic(última versión 0.x). Los nombres de modelos, precios y versiones de SDK cambian rápidamente; verifica los detalles actuales en platform.claude.com/docs antes de confiar en ellos.