Премини към основното съдържание
Български— Изберете език
Меню

Формати на изображения: URL и Base64

Урок 1 от 12 Обновен 3 ноември 2026 г. Начинаещ
На тази страница
  1. Изпращане на изображения към Grok
  2. Директен URL
  3. Кодирани в Base64 (Data URI)
  4. Основни разлики между URL и Base64
  5. Смесване на текст и изображения
  6. Ключови изводи

Обновено на 3 ноември 2026 г. С API за отговори (Responses API) обектите input_image и input_text се поставят в масива content на съобщение с формат {"role": "user", ...}, а не директно в input. Примерът с Python преди това извикваше client.responses.create() върху клиента xai-sdk, който няма такъв метод, и записваше API ключа директно в кода: сега използва функциите user(...) и image(...) от SDK, като ключът се чете от променливите на средата. Добавено е предупреждение от xAI относно съхранението на историята. Кодът е тестван с xai-sdk версия 1.21.0. Източник: Image Understanding.

Изпращане на изображения към Grok

Grok анализира изображение Моделите Grok от версия grok-4.5 нагоре включват възможности за компютърно зрение. Можете да изпратите едно или повече изображения във вашите API заявки и моделът ще ги анализира, за да отговори на въпросите ви. Това се нарича „разбиране на изображения“ или мултимодално зрение.

Преди да преминете към конкретни случаи на употреба, е от съществено значение да овладеете двата формата за подаване на изображения, поддържани от xAI API.

2
Поддържани формати
20 MiB
Максимален размер на изображение
JPG/PNG
Приети формати
Неограничен
Брой изображения

Директен URL

Най-простият метод е да предоставите публичния URL адрес на изображението. Моделът автоматично ще го изтегли и анализира.

С API за отговори (основна крайна точка):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Опишете подробно това изображение."
        }
      ]
    }
  ]
}

xAI препоръчва, когато изпращате изображения, да не съхранявате историята на заявките и отговорите на техните сървъри, в противен случай заявката може да се провали: при използване на API за отговори предайте "store": false.

С API за чат завършвания (Chat Completions API – остаряло, съвместимо с OpenAI):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Опишете подробно това изображение."
        }
      ]
    }
  ]
}

URL адресът трябва да сочи към публично достъпен файл с изображение. Ако изображението е зад система за автентикация или защитен CDN, използвайте вместо това формата Base64.

Кодирани в Base64 (Data URI)

Вторият формат включва кодиране на самото изображение директно в заявката като низ в Base64, предшестван от MIME префикс. Това е идеалният метод, когато работите с локални изображения, екранни снимки или динамично генерирани файлове.

{
  "type": "input_image",
  "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}

Префиксът data:image/jpeg;base64, информира модела за MIME типа на изображението. Коригирайте го според формата:

  • data:image/jpeg;base64, за файлове JPG/JPEG
  • data:image/png;base64, за файлове PNG

Кодиране на изображение в Python

import base64

with open("photo.jpg", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")

image_url = f"data:image/jpeg;base64,{image_data}"

Кодиране в JavaScript/Node.js

import { readFileSync } from 'fs';

const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;

Основни разлики между URL и Base64

Критерий URL Base64
Размер на заявката Лека (само URL адресът) Тежка (+33% спрямо оригиналния файл)
Достъпност Изисква се публично изображение Работи с всеки локален файл
Латентност Изтегляне от сървъра Данните са директно в заявката
Типичен случай на употреба Уеб изображения, CDN, облачно хранилище Локални файлове, екранни снимки, качвания

Смесване на текст и изображения

Полето content на едно съобщение приема смесен масив от обекти input_image и input_text във всякакъв ред: можете свободно да редувате текст и изображения. С родния xAI SDK същото съобщение се изгражда с user(), което приема текст и изображения, създадени чрез image() в последователност:

from xai_sdk import Client
from xai_sdk.chat import image, user

client = Client()  # ключът се чете от XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Сравнете тези две снимки:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "Какви са основните разлики?",
    )
)

response = chat.sample()
print(response.content)

Функцията image() приема публичен URL адрес или Data URI в Base64.

Ключови изводи

  • Поддържат се два формата за изображения: Директен URL и Base64 (Data URI)
  • Приетите формати са само JPG, JPEG и PNG
  • Всяко изображение не трябва да надвишава 20 MiB
  • Броят на изображенията на заявка е неограничен
  • API за отговори поставя input_image в content на съобщението; Chat Completions използва части image_url; xAI SDK използва image() вътре в user()
  • Предпочитайте URL за публични изображения и Base64 за локални файлове