Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Tokeny obrázků: Od 256 do 1792

Lekce 3 z 12 Aktualizováno 30. července 2026 Začátečník
Na této stránce
  1. Jak obrázky spotřebovávají tokeny
  2. Rozsah: 256 až 1792 tokenů
  3. Sledování spotřeby tokenů
  4. Vliv úrovně detailu na počet tokenů
  5. Výpočet nákladů na multimodální požadavek
  6. Optimalizace spotřeby tokenů
  7. Monitorování v produkci
  8. Klíčové poznatky

Jak obrázky spotřebovávají tokeny

Když odešleš obrázek modelu Grok, před jeho analýzou se převede na tokeny. Na rozdíl od textu, kde jeden token zhruba odpovídá slovu, závisí počet tokenů u obrázků na jejich velikosti a požadované úrovni detailu.

Porozumění tomuto mechanismu je klíčové pro předvídání nákladů a správné nastavení tvých požadavků.

Rozsah: 256 až 1792 tokenů

Každý obrázek odeslaný do API spotřebuje mezi 256 a 1792 tokeny. Tento významný rozdíl vyplývá z několika faktorů:

  • Rozlišení obrázku: obrázek o velikosti 256×256 pixelů spotřebuje méně tokenů než obrázek 4096×4096
  • Parametr detail: hodnota low spotřebuje minimum, high maximum
  • Obsah obrázku: složitý obrázek s mnoha detaily může v režimu auto vést k vyšší spotřebě

Sledování spotřeby tokenů

API xAI poskytuje v odpovědi přesný počet tokenů použitých pro obrázky. Najdeš jej v poli usage:

{
  "usage": {
    "prompt_tokens": 2048,
    "completion_tokens": 150,
    "total_tokens": 2198,
    "prompt_tokens_details": {
      "image_tokens": 1024,
      "text_tokens": 1024
    }
  }
}

Pole prompt_tokens_details.image_tokens ti přesně řekne, kolik tokenů spotřebovaly obrázky v tvém požadavku. Je to nepostradatelný nástroj pro monitorování nákladů v produkci.

Vliv úrovně detailu na počet tokenů

Parametr detail je hlavním nástrojem pro řízení spotřeby tokenů u obrázků:

# Stejný obrázek, velmi odlišné výsledky počtu tokenů
# detail: low  → ~256 tokenů obrázku
# detail: auto → ~512-1024 tokenů obrázku (proměnné)
# detail: high → ~1024-1792 tokenů obrázku

V režimu low se obrázek před analýzou zmenší na nižší rozlišení. Model obdrží méně informací, ale spotřebuje výrazně méně tokenů.

V režimu high se obrázek rozdělí na dlaždice s vysokým rozlišením. Každá dlaždice se analyzuje samostatně, což násobí počet tokenů, ale umožňuje modelu číst jemný text nebo detekovat subtilní detaily.

Výpočet nákladů na multimodální požadavek

Pro odhad nákladů na požadavek obsahující obrázky sečti tokeny pro text i obrázky:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Odhad tokenů obrázku podle úrovně
    image_tokens = {
        "low": 256,
        "auto": 768,   # odhadovaný průměr
        "high": 1536    # odhadovaný průměr
    }

    total_image = num_images * image_tokens[detail]
    total = total_image + text_tokens

    # Orientační cena za milion tokenů (vstup)
    price_per_million = 2.00  # grok-4.5 input — ověř si aktuální ceník
    cost = (total / 1_000_000) * price_per_million

    return {
        "image_tokens": total_image,
        "text_tokens": text_tokens,
        "total_tokens": total,
        "estimated_cost": f"${cost:.4f}"
    }

Optimalizace spotřeby tokenů

Změna velikosti před odesláním

Pokud je tvůj obrázek velmi velký, ale nepotřebuješ maximální rozlišení, zmenši jej před odesláním:

from PIL import Image
import io
import base64

def optimize_image(path, max_size=(1024, 1024)):
    img = Image.open(path)
    img.thumbnail(max_size)

    buffer = io.BytesIO()
    img.save(buffer, format="JPEG", quality=85)
    buffer.seek(0)

    encoded = base64.standard_b64encode(buffer.read()).decode()
    return f"data:image/jpeg;base64,{encoded}"

Výběr vhodného formátu

  • JPEG: lehčí, ideální pro fotografie a obrázky s mnoha barvami
  • PNG: těžší, ale bezztrátový, vhodný pro screenshoty a diagramy s textem

Inteligentní seskupování

Pokud analyzuješ dávku obrázků, seskup ty, které vyžadují stejnou úroveň detailu, do samostatných požadavků, místo abys v jednom požadavku míchal režimy low a high.

Monitorování v produkci

V produkci systematicky loguj tokeny obrázků, abys odhalil neočekávané nárůsty:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_image", "image_url": url},
        {"type": "input_text", "text": prompt}
    ]
)

# Logování tokenů
usage = response.usage
print(f"Tokeny obrázku: {usage.prompt_tokens_details.image_tokens}")
print(f"Tokeny textu: {usage.prompt_tokens_details.text_tokens}")
print(f"Celkový prompt: {usage.prompt_tokens}")

Ceny platné k 5. srpnu 2026 — ceny se pravidelně mění: před jakýmkoli výpočtem rozpočtu si ověř aktuální ceník na oficiální stránce modelů a cen xAI.

Klíčové poznatky

  • Obrázky spotřebují mezi 256 a 1792 tokeny v závislosti na jejich velikosti a úrovni detailu
  • Pole prompt_tokens_details.image_tokens poskytuje přesný počet
  • Parametr detail je hlavním nástrojem pro řízení spotřeby
  • Zmenšení obrázků před odesláním snižuje počet tokenů bez obětování kvality u jednoduchých úloh
  • V produkci monitoruj tokeny obrázků, abys mohl předvídat náklady