Parametr detail: auto, low a high
Na této stránce
Ovládání přesnosti analýzy
Když odešleš obrázek modelu Grok, můžeš pomocí parametru detail řídit úroveň podrobnosti analýzy. Tento parametr přímo ovlivňuje kvalitu odpovědi, dobu zpracování a spotřebu tokenů.
Porozumění tomuto parametru je klíčové pro optimalizaci nákladů a přizpůsobení přesnosti každému případu použití.
Tři úrovně detailu
API xAI nabízí pro parametr detail tři hodnoty:
Auto (výchozí hodnota)
Pokud parametr detail nezadáš, model použije hodnotu auto. Automaticky vyhodnotí potřebnou úroveň detailu na základě obrázku a tvého promptu.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg"
}
Toto je doporučené chování pro většinu případů použití. Model přizpůsobí svou strategii analýzy podle vnímané složitosti obrázku a položené otázky.
Low (rychlé a úsporné)
Režim low provádí rychlou analýzu obrázku s využitím menšího počtu tokenů. Je to ideální volba, když potřebuješ obecné pochopení obsahu bez zabíhání do jemných detailů.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "low"
}
Příklady použití pro low:
- Klasifikace obsahu obrázku (krajina, portrét, dokument atd.)
- Identifikace hlavního objektu na fotografii
- Rychlé třídění dávky obrázků
- Kontrola, zda obrázek splňuje jednoduché kritérium
High (pomalé a detailní)
Režim high vynucuje vyčerpávající analýzu obrázku. Model zkoumá každou zónu v maximálním rozlišení, což spotřebuje více tokenů, ale přináší mnohem přesnější popisy.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "high"
}
Příklady použití pro high:
- Čtení jemného textu v obrázku (OCR)
- Analýza grafů s podrobnými legendami
- Detekce vad na fotografiích produktů
- Zkoumání snímků obrazovky složitých rozhraní
Porovnání úrovní
| Parametr | Rychlost | Tokeny | Přesnost |
|---|---|---|---|
| auto | Proměnná | Proměnná | Adaptivní |
| low | Rychlá | Méně tokenů | Obecná |
| high | Pomalá | Více tokenů | Detailní |
Syntaxe podle API
Umístění parametru detail se liší v závislosti na použitém API.
Responses API (doporučeno)
response = client.responses.create(
model="grok-4.5",
input=[
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "high"
},
{
"type": "input_text",
"text": "Read all visible text in this image."
}
]
)
Chat Completions API (starší verze)
response = client.chat.completions.create(
model="grok-4.5",
messages=[{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://exemple.com/photo.jpg",
"detail": "high"
}
},
{
"type": "text",
"text": "Read all visible text in this image."
}
]
}]
)
Všimni si, že u Chat Completions je parametr detail vnořený uvnitř objektu image_url, zatímco u Responses API se nachází na stejné úrovni jako image_url.
Strategie optimalizace
V produkčním prostředí je osvědčeným postupem přizpůsobit úroveň detailu typu úkolu:
def analyser_image(image_url, tache):
# Jednoduché úkoly → low pro úsporu nákladů
if tache in ["classifier", "trier", "identifier_sujet"]:
detail = "low"
# Složité úkoly → high pro přesnost
elif tache in ["ocr", "graphique", "defaut_produit"]:
detail = "high"
# Výchozí → nech rozhodnout model
else:
detail = "auto"
return client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": detail},
{"type": "input_text", "text": f"Task: {tache}"}
]
)
Tento přístup ti umožní výrazně snížit náklady na tokeny u jednoduchých úkolů a zároveň zachovat maximální přesnost tam, kde je to nutné.
Klíčové poznatky
- Parametr
detailřídí hloubku analýzy obrázku auto(výchozí) nechává rozhodnutí na modelu – toto je doporučená volbalowje rychlé a úsporné, vhodné pro úkoly klasifikacehighje pomalé, ale přesné, vhodné pro OCR a jemnou analýzu- Přizpůsob úroveň detailu typu úkolu pro optimalizaci nákladů