Image-tokens: Fra 256 til 1792
På denne side
Hvordan billeder bruger tokens
Når du sender et billede til Grok, konverteres det til tokens, før modellen analyserer det. I modsætning til tekst, hvor en token groft svarer til et ord, afhænger image-tokens af billedstørrelsen og det ønskede detaljeniveau.
Det er afgørende at forstå denne mekanisme for at kunne forudsige omkostninger og dimensionere dine forespørgsler korrekt.
Spændvidden: 256 til 1792 tokens
Hvert billede, der sendes til API’en, bruger mellem 256 og 1792 tokens. Denne store variation skyldes flere faktorer:
- Billedopløsning: Et billede på 256x256 pixel bruger færre tokens end et billede på 4096x4096.
- Parameteren
detail:lowbruger minimum, menshighbruger maksimum. - Billedindhold: Et komplekst billede med mange detaljer kan resultere i højere forbrug i
auto-tilstand.
Sporring af token-forbrug
xAI API’en giver en præcis optælling af image-tokens i svaret. Du finder det i feltet usage:
{
"usage": {
"prompt_tokens": 2048,
"completion_tokens": 150,
"total_tokens": 2198,
"prompt_tokens_details": {
"image_tokens": 1024,
"text_tokens": 1024
}
}
}
Feltet prompt_tokens_details.image_tokens fortæller dig præcis, hvor mange tokens billederne i din forespørgsel har brugt. Dette er et uundværligt værktøj til at overvåge dine omkostninger i produktion.
Detaljeniveauets indvirkning på tokens
Parameteren detail er den primære løftestang til at styre forbruget af image-tokens:
# Samme billede, meget forskellige token-resultater
# detail: low → ~256 image tokens
# detail: auto → ~512-1024 image tokens (variabelt)
# detail: high → ~1024-1792 image tokens
I low-tilstand ændres billedet til en reduceret opløsning før analysen. Modellen modtager mindre information, men bruger betydeligt færre tokens.
I high-tilstand opdeles billedet i fliser med høj opløsning. Hver flise analyseres separat, hvilket ganger antallet af tokens, men giver modellen mulighed for at læse fin tekst eller opdage subtile detaljer.
Beregning af omkostninger ved en multimodal forespørgsel
For at estimere omkostningerne ved en forespørgsel med billeder skal du kombinere tekst- og image-tokens:
def estimate_cost(num_images, detail="auto", text_tokens=500):
# Estimer image tokens efter niveau
image_tokens = {
"low": 256,
"auto": 768, # estimeret gennemsnit
"high": 1536 # estimeret gennemsnit
}
total_image = num_images * image_tokens[detail]
total = total_image + text_tokens
# Vejledende pris per million tokens (input)
price_per_million = 2.00 # grok-4.5 input — tjek den aktuelle prisliste
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}"
}
Optimering af token-forbrug
Ændr størrelse før afsendelse
Hvis dit billede er meget stort, men du ikke har brug for maksimal opløsning, så ændr størrelsen før afsendelse:
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}"
Vælg det rigtige format
- JPEG: Lettere, ideelt til fotos og billeder med mange farver.
- PNG: Tungere men tabsfri, velegnet til skærmbilleder og diagrammer med tekst.
Gruppér intelligent
Hvis du analyserer en batch af billeder, så gruppér dem, der kræver samme detaljeniveau, i separate forespørgsler i stedet for at blande low og high i én enkelt forespørgsel.
Overvågning i produktion
I produktion skal du systematisk logge image-tokens for at opdage udsving:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": url},
{"type": "input_text", "text": prompt}
]
)
# Log tokens
usage = response.usage
print(f"Image tokens : {usage.prompt_tokens_details.image_tokens}")
print(f"Text tokens : {usage.prompt_tokens_details.text_tokens}")
print(f"Total prompt : {usage.prompt_tokens}")
Priser pr. 5. august 2026 — priserne ændres regelmæssigt: Før enhver budgetberegning skal du tjekke den aktuelle prisliste på den officielle side for xAI-modeller og priser.
Vigtige pointer
- Billeder bruger mellem 256 og 1792 tokens afhængigt af deres størrelse og detaljeniveau.
- Feltet
prompt_tokens_details.image_tokensgiver den nøjagtige optælling. - Parameteren
detailer den primære løftestang til at styre forbruget. - Ændring af billedstørrelse før afsendelse reducerer tokens uden at ofre kvalitet ved enkle opgaver.
- Overvåg image-tokens i produktion for at kunne forudsige omkostninger.