Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Bild-Token: Von 256 bis 1792

Lektion 3 von 12 Aktualisiert am 30. Juli 2026 Anfänger
Auf dieser Seite
  1. Wie Bilder Token verbrauchen
  2. Der Bereich: 256 bis 1792 Token
  3. Verfolgung des Tokenverbrauchs
  4. Einfluss des Detailgrads auf Token
  5. Berechnung der Kosten einer multimodalen Anfrage
  6. Optimierung des Tokenverbrauchs
  7. Überwachung in der Produktion
  8. Kernaussagen

Wie Bilder Token verbrauchen

Wenn Sie ein Bild an Grok senden, wird es vor der Analyse des Modells in Token umgewandelt. Im Gegensatz zu Text, bei dem ein Token ungefähr einem Wort entspricht, hängen Bild-Token von der Bildgröße und dem angeforderten Detailgrad ab.

Das Verständnis dieses Mechanismus ist unerlässlich, um Kosten vorherzusehen und Ihre Anfragen entsprechend zu dimensionieren.

Der Bereich: 256 bis 1792 Token

Jedes an die API gesendete Bild verbraucht zwischen 256 und 1792 Token. Diese erhebliche Variation beruht auf mehreren Faktoren:

  • Bildauflösung: Ein 256x256 Pixel großes Bild verbraucht weniger Token als ein 4096x4096 Pixel großes Bild
  • Der detail-Parameter: low verbraucht das Minimum, high das Maximum
  • Bildinhalt: Ein komplexes Bild mit vielen Details kann in auto-Modus zu einem höheren Verbrauch führen

Verfolgung des Tokenverbrauchs

Die xAI-API liefert eine präzise Anzahl der Bild-Token in der Antwort. Sie finden sie im Feld usage:

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

Das Feld prompt_tokens_details.image_tokens gibt Ihnen genau an, wie viele Token die Bilder in Ihrer Anfrage verbraucht haben. Dies ist ein unverzichtbares Werkzeug zur Überwachung Ihrer Kosten in der Produktion.

Einfluss des Detailgrads auf Token

Der detail-Parameter ist der Haupthebel zur Steuerung des Bildtokenverbrauchs:

# Gleiches Bild, sehr unterschiedliche Token-Ergebnisse
# detail: low  → ~256 Bild-Token
# detail: auto → ~512-1024 Bild-Token (variabel)
# detail: high → ~1024-1792 Bild-Token

Im low-Modus wird das Bild vor der Analyse auf eine reduzierte Auflösung herunterskaliert. Das Modell erhält weniger Informationen, verbraucht aber deutlich weniger Token.

Im high-Modus wird das Bild in hochauflösende Kacheln unterteilt. Jede Kachel wird separat analysiert, was die Anzahl der Token vervielfacht, es dem Modell aber ermöglicht, feinen Text zu lesen oder subtile Details zu erkennen.

Berechnung der Kosten einer multimodalen Anfrage

Um die Kosten einer Anfrage mit Bildern zu schätzen, kombinieren Sie Text- und Bild-Token:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Schätzung der Bild-Token je nach Level
    image_tokens = {
        "low": 256,
        "auto": 768,   # geschätzter Durchschnitt
        "high": 1536    # geschätzter Durchschnitt
    }

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

    # Anhaltender Preis pro Million Token (Eingabe)
    price_per_million = 2.00  # grok-4.5 Eingabe — aktuelle Preisliste prüfen
    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}"
    }

Optimierung des Tokenverbrauchs

Vor dem Senden vergrößern

Wenn Ihr Bild sehr groß ist, Sie aber nicht die maximale Auflösung benötigen, skalieren Sie es vor dem Senden herunter:

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}"

Das richtige Format wählen

  • JPEG: leichter, ideal für Fotos und Bilder mit vielen Farben
  • PNG: schwerer, aber verlustfrei, geeignet für Screenshots und Diagramme mit Text

Intelligent gruppieren

Wenn Sie eine Batch-Analyse von Bildern durchführen, gruppieren Sie diejenigen, die denselben Detailgrad benötigen, in separaten Anfragen, anstatt low und high in einer einzigen Anfrage zu mischen.

Überwachung in der Produktion

In der Produktion protokollieren Sie systematisch Bild-Token, um Anstiege zu erkennen:

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

# Token protokollieren
usage = response.usage
print(f"Bild-Token : {usage.prompt_tokens_details.image_tokens}")
print(f"Text-Token : {usage.prompt_tokens_details.text_tokens}")
print(f"Gesamtanfrage : {usage.prompt_tokens}")

Preise vom 5. August 2026 — Preise ändern sich regelmäßig: Bevor Sie eine Budgetberechnung durchführen, prüfen Sie die aktuelle Preisliste auf der offiziellen xAI-Modell- und Preis-Seite.

Kernaussagen

  • Bilder verbrauchen zwischen 256 und 1792 Token je nach ihrer Größe und dem Detailgrad
  • Das Feld prompt_tokens_details.image_tokens gibt die genaue Anzahl an
  • Der detail-Parameter ist der Haupthebel zur Steuerung des Verbrauchs
  • Das Skalieren von Bildern vor dem Senden reduziert Token, ohne die Qualität für einfache Aufgaben zu beeinträchtigen
  • Überwachen Sie Bild-Token in der Produktion, um Kosten vorherzusehen