Moderation, SDK-Inkompatibilitäten und Kostenkontrolle
Auf dieser Seite
Aktualisiert am 2. November 2026 — Imagine.
grok-imagine-image-qualitywurde am 2. November 2026 entfernt (die Anfragen werden von Imagine 2.0 inlow-Qualität bedient): Beispiele verwenden nungrok-imagine-image(Imagine 1.0) undgrok-imagine-image-2.0(Imagine 2.0,low,mediumoderautoQualität). Mit dem OpenAI SDK gehenaspect_ratio,resolutionundqualityüberextra_body, und das Bearbeiten erfolgt über das xAI SDK oder eine HTTP-Anfrage.
Die Bild-API-Grenzen verstehen
Um zuverlässige Anwendungen mit der Grok-Bildgenerierungs-API zu entwickeln, müssen Sie deren Grenzen kennen: automatische Moderation, Inkompatibilität mit bestimmten OpenAI SDK-Methoden und Mechanismen zur Kostenkontrolle.
Inhaltsmoderation
Die API moderiert Prompts und generierte Bilder automatisch. Bestimmte Inhaltstypen werden abgelehnt:
- Explizit gewalttätige oder blutige Inhalte
- Explizit sexuelle Inhalte
- Hassrede oder diskriminierende Inhalte
- Inhalte, die Minderjährige unangemessen darstellen
Wenn die Moderation ausgelöst wird, gibt die API einen Fehler zurück statt eines Bildes.
Moderationsablehnungen handhaben
import requests
import os
headers = {
"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
"Content-Type": "application/json"
}
def generate_safe(prompt, **kwargs):
"""Generiert ein Bild und behandelt Moderationsablehnungen."""
try:
response = requests.post(
"https://api.x.ai/v1/images/generations",
headers=headers,
json={"model": "grok-imagine-image", "prompt": prompt, **kwargs}
)
response.raise_for_status()
return response.json()["data"][0]["url"]
except requests.exceptions.HTTPError as e:
if response.status_code == 400:
print(f"Prompt von der Moderation abgelehnt: {prompt[:50]}...")
return None
raise
Moderations-Best Practices
In der Praxis sollten Sie die Moderation proaktiv anstatt reaktiv handhaben. Wenn ein legitimer Prompt blockiert wird, testen Sie Variationen, um das auslösende Wort zu identifizieren – „epic battle” wird akzeptiert, während ein groberer Begriff nicht – und das Kartieren dieser Sensibilitäten vermeidet wiederholte Blockaden. Wenn Prompts von Ihren Nutzern stammen, fügen Sie einen serverseitigen VorfILTER vor dem API-Aufruf hinzu: Dieser fängt offensichtlich nicht-konforme Anfragen ab, ohne eine Anfrage zu verbrauchen, und behält die Kontrolle über die angezeigte Nachricht. Da dieser letzte Punkt den Erlebnisunterschied ausmacht: Eine Moderationsblockade sollte dem Nutzer niemals als roher technischer Fehler, sondern als klare Nachricht erscheinen – „diese Anfrage entspricht nicht unseren Nutzungsbedingungen” – die erklärt, ohne API-Details preiszugeben.
Inkompatibilität des OpenAI SDK für das Bearbeiten
Dies ist ein kritischer Punkt: Die OpenAI SDK-Methode images.edit() funktioniert nicht mit der xAI-API. Das OpenAI SDK sendet Daten als multipart/form-data, während die xAI-API application/json erwartet.
# FUNKTIONIERT NICHT
from openai import OpenAI
client = OpenAI(api_key=os.getenv("XAI_API_KEY"), base_url="https://api.x.ai/v1")
client.images.edit(
model="grok-imagine-image",
image=open("photo.png", "rb"),
prompt="Edit this image"
)
# → Content-type error!
# FUNKTIONIERT: direkte REST-Anfrage
import requests
response = requests.post(
"https://api.x.ai/v1/images/edits",
headers={
"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
"Content-Type": "application/json"
},
json={
"model": "grok-imagine-image",
"prompt": "Edit this image",
"image": {"url": "https://exemple.com/photo.jpg"}
}
)
Kompatibilitätsübersicht
| Operation | OpenAI SDK | REST (requests) |
|---|---|---|
| images.generate() | Kompatibel | Kompatibel |
| images.edit() | Inkompatibel | Kompatibel |
Kostenkontrolle
Verbrauch überwachen
Richten Sie einen Ausgabenzähler in Ihrem Code ein:
class ImageBudgetTracker:
PRICES = {
"grok-imagine-image": 0.02,
"grok-imagine-image-2.0": 0.04, # low quality; medium at grid rate
}
def __init__(self, budget_limit=10.0):
self.total_spent = 0.0
self.budget_limit = budget_limit
self.image_count = 0
def can_generate(self, model, n=1):
cost = self.PRICES[model] * n
return (self.total_spent + cost) <= self.budget_limit
def record(self, model, n=1):
cost = self.PRICES[model] * n
self.total_spent += cost
self.image_count += n
def report(self):
remaining = self.budget_limit - self.total_spent
print(f"Generierte Bilder: {self.image_count}")
print(f"Ausgaben: ${self.total_spent:.2f}")
print(f"Verbleibendes Budget: ${remaining:.2f}")
# Nutzung
tracker = ImageBudgetTracker(budget_limit=5.0)
if tracker.can_generate("grok-imagine-image", n=5):
response = client.images.generate(
model="grok-imagine-image",
prompt="My image",
n=5
)
tracker.record("grok-imagine-image", n=5)
tracker.report()
Kosten optimieren
Die goldene Regel lautet: Trennen Sie Exploration und Produktion. Während der Prompt-Suche arbeiten Sie mit Imagine 1.0 ($0.02) mit n=3-5, um Variationen zu geringeren Kosten zu vergleichen; sobald der Prompt stabil ist, wechseln Sie zu Imagine 2.0 mit n=1 für die finale Darstellung. Diese Sequenz reserviert die höchste Rate ausschließlich für ausgewählte Bilder.
Zwei Mechanismen vervollständigen die Einrichtung auf der Anwendungsebene. Erstens ein Ergebnis-Cache: Wenn derselbe Prompt zurückkehrt – Katalogvisualisierungen, Standardbilder, die von mehreren Nutzern neu generiert werden – dienen Sie das bereits generierte Bild an, statt für eine neue Anfrage zu zahlen. Zweitens Quoten, wenn Ihre Nutzer selbst Generierungen auslösen: Ein Limit pro Tag oder Stunde schützt Ihr Budget vor unvernünftigem Gebrauch und Missbrauch. Schließlich halten Sie die Blick auf die Rate-Limits (300 RPM Standard, 30 RPM pro): Ein Batch-Pipeline, der diese ignoriert, sammelt 429-Fehler und unnötige Wiederholungsversuche.
Monatliche Budgetschätzung
Für eine App mit 100 Nutzern, die 10 Bilder pro Tag generieren:
- Imagine 1.0: 100 x 10 x 30 x $0.02 = $600/Monat
- Imagine 2.0 in
low: 100 x 10 x 30 x $0.04 = $1.200/Monat - Gemischt (80/20): 24.000 x $0.02 + 6.000 x $0.04 = $720/Monat
Modell-Entdeckungs-Endpunkt
Um verfügbare Bildmodelle und deren Preise programmatisch zu prüfen:
response = requests.get(
"https://api.x.ai/v1/image-generation-models",
headers={"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}"}
)
for model in response.json()["data"]:
print(f"{model['id']} : ${model['image_price']}/Bild, "
f"max Prompt : {model['max_prompt_length']} Zeichen")
Raten Stand 5. August 2026 – Preise ändern sich regelmäßig: Prüfen Sie vor jeder Budgetberechnung das aktuelle Raster auf der offiziellen xAI-Modell- und Raten-Seite.
Wichtige Punkte zur Erinnerung
- Moderation ist automatisch: Behandeln Sie Ablehnungen in Ihrem Code
- OpenAI SDK
images.edit()ist inkompatibel mit xAI: Verwenden Sierequests - OpenAI SDK
images.generate()funktioniert normal - Implementieren Sie einen Budget-Tracker zur Kontrolle der Ausgaben
- Prüfen Sie Modelle und Preise über den
/v1/image-generation-models-Endpunkt
Testen Sie Ihr Wissen
Bildgenerierung und -bearbeitung: Der operative Überblick.
1. Was unterscheidet Imagine 1.0 und Imagine 2.0?
Antwort: Das Qualitäts-/Kosten-Verhältnis: Imagine 1.0 ($0.02) für Volumen und Iterationen, Imagine 2.0 ($0.04 in low, mit einer quality-Einstellung) für finale Darstellungen – Sie prototypen mit dem ersten, finalisieren mit dem zweiten.
2. Was macht einen guten Bild-Prompt aus?
Antwort: Subjekt, Stil, Komposition und explizite Details – beschreiben Sie die Szene wie ein künstlerisches Regiebriefing, und iterieren Sie dann mit gezielten Anpassungen statt Neuformulierungen.
3. Was ermöglicht der /v1/images/edits-Endpunkt?
Antwort: Bearbeiten bestehender Bilder: Prompt-zielgerichtete Bearbeitung, Mehrbildbearbeitung mit Referenzen und mehrstufige Bearbeitung – Sie retuschieren präzise statt neu zu generieren.
4. Wie produziert man effizient im großen Maßstab?
Antwort: Der n-Parameter für Batches, der asynchrone Client für Durchsatz – und da Ausgabe-URLs temporär sind, laden und archivieren Sie sofort.
5. Welche Sicherungen sind vor der Produktion erforderlich?
Antwort: Moderation von Prompts und Ausgaben, Kenntnis von SDK-Inkompatibilitäten und Kostenkontrolle (Modell, Auflösung, Volumina) – Erstellung im großen Maßstab erfordert Governance.
Prototypisieren, bearbeiten, industrialisieren, reglementieren: Die vollständige Bildpipeline – mit Kosten unter Kontrolle in jedem Schritt.