Formát obsahu
Na této stránce
Dva vstupní formáty modelu Grok
Když odešleš zprávu modelu Grok, může mít pole content v každé zprávě jednu ze dvou odlišných forem. Pochopení tohoto rozdílu je klíčové, protože určuje, co modelu pošleš: pouze text, nebo kombinaci textu a obrázků.
Prostý textový řetězec
Nejpřímější forma: obsah je jednoduchý řetězec. Tento formát použiješ pro většinu svých interakcí založených na textu.
{
"role": "user",
"content": "Explain the advantages of the Rust language compared to C++"
}
Tento formát funguje pro všechny úlohy čistě textové povahy: otázky, instrukce, poskytování dat nebo žádosti o generování. Použij jej, když nemusíš zahrnout vizuální prvky.
Pole typizovaných objektů
Pro multimodální požadavky (text + obrázky) přijímá Grok pole objektů, kde každý prvek obsahuje pole type určující jeho povahu.
Formát Chat Completions (starší koncový bod)
{
"role": "user",
"content": [
{"type": "text", "text": "Describe this user interface and suggest improvements"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/screenshot.png", "detail": "high"}}
]
}
Formát Responses (hlavní koncový bod)
{
"input": [
{"type": "input_text", "text": "Analyze this chart and extract the main trends"},
{"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
]
}
Všimni si rozdílu v pojmenování mezi těmito dvěma koncovými body: text a image_url pro Chat Completions, zatímco input_text a input_image pro Responses.
Kombinace textu a obrázků
Pole objektů ti umožňuje libovolně míchat text a obrázky v jakémkoli pořadí. Můžeš odeslat více obrázků v jedné žádosti, přičemž text může být před nimi, za nimi nebo mezi nimi.
{
"role": "user",
"content": [
{"type": "text", "text": "Compare these two interface mockups:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v1.png"}},
{"type": "text", "text": "Version 1 above, version 2 below:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v2.png"}},
{"type": "text", "text": "Identify the main differences and recommend the best version."}
]
}
Akceptované zdroje obrázků
Grok přijímá obrázky dvěma způsoby:
- Přímá URL: odkaz HTTPS na obrázek hostovaný online
- Kódování Base64: obrázek vložený přímo do žádosti jako datové URI
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
Formát Base64 je užitečný, když tvoje obrázky nejsou hostovány online (lokální snímky obrazovky, obrázky generované tvou aplikací).
Parametr detail pro obrázky
Ke každému obrázku lze přidat parametr detail, který řídí úroveň analýzy:
- auto: model zvolí automaticky (výchozí chování)
- low: rychlá a úsporná analýza, spotřebuje méně tokenů
- high: podrobná analýza, spotřebuje více tokenů, ale zachytí jemné detaily
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}
Použij low pro jednoduché úlohy (klasifikace, obecný popis) a high pro přesné analýzy (OCR, detekce detailů, čtení grafů).
Technická omezení
Měj na paměti tato omezení při práci s obrázky:
- Maximální velikost: 20 MB na obrázek
- Akceptované formáty: pouze JPG, JPEG, PNG
- Žádný limit na počet obrázků na žádost
- Kompatibilní modely: grok-4.5 a vyšší
- Obrázky spotřebují mezi 256 a 1 792 tokeny v závislosti na jejich velikosti a úrovni detailu
Praktické cvičení
Otestuj oba formáty na jednoduchém úkolu:
Jednoduchý textový formát:
{"role": "user", "content": "What are the 5 fundamental principles of UX design?"}
Formát pole (pouze text, ale strukturovaný):
{
"role": "user",
"content": [
{"type": "text", "text": "Context: I'm designing a mobile food delivery application."},
{"type": "text", "text": "Question: what are the 5 most important UX principles for this type of application?"}
]
}
I bez obrázku ti formát pole umožňuje jasně oddělit kontext od otázky, což může zlepšit relevanci odpovědi.
Klíčové poznatky
- Obsah může být prostý řetězec (čistý text) nebo pole objektů (multimodální)
- Formát pole ti umožňuje libovolně míchat text a obrázky
- Existují dvě pojmenování formátů v závislosti na koncovém bodě: Chat Completions vs Responses
- Parametr
detailřídí hloubku analýzy obrázku (low, auto, high) - Obrázky spotřebovávají tokeny: přizpůsob úroveň detailu svým potřebám
- Formát Base64 ti umožňuje odesílat obrázky bez jejich hostování online