Μορφές Εικόνων: URL και Base64
Σε αυτήν τη σελίδα
Ενημερώθηκε στις 3 Νοεμβρίου 2026. Με το Responses API, τα αντικείμενα
input_imageκαιinput_textτοποθετούνται στοcontentενός μηνύματος{"role": "user", ...}, και όχι απευθείας στοinput. Το προηγούμενο παράδειγμα Python καλούσε τη μέθοδοclient.responses.create()στον πελάτηxai-sdk, η οποία δεν υπάρχει, και έγραφε το κλειδί API μέσα στον κώδικα: πλέον χρησιμοποιεί τις συναρτήσειςuser(...)καιimage(...)από το SDK, με το κλειδί να διαβάζεται από το περιβάλλον. Προστέθηκε η προειδοποίηση της xAI σχετικά με την αποθήκευση του ιστορικού. Ο κώδικας επαληθεύτηκε με την έκδοσηxai-sdk1.21.0. Πηγή: Image Understanding.
Αποστολή Εικόνων στο Grok
Τα μοντέλα Grok από την έκδοση grok-4.5 και μετά περιλαμβάνουν δυνατότητες όρασης. Μπορείτε να στείλετε μία ή περισσότερες εικόνες στα αιτήματά σας προς το API, και το μοντέλο θα τις αναλύσει για να απαντήσει στις ερωτήσεις σας. Αυτό ονομάζεται κατανόηση εικόνων ή πολυτροπική όραση (multimodal vision).
Πριν εμβαθύνουμε στις περιπτώσεις χρήσης, είναι απαραίτητο να κατανοήσετε πλήρως τις δύο μορφές υποβολής εικόνων που υποστηρίζει το API της xAI.
Άμεσο URL
Η απλούστερη μέθοδος είναι η παροχή του δημόσιου URL μιας εικόνας. Το μοντέλο θα την κατεβάσει και θα την αναλύσει αυτόματα.
Με το Responses API (κύριο endpoint):
{
"model": "grok-4.5",
"input": [
{
"role": "user",
"content": [
{
"type": "input_image",
"image_url": "https://exemple.com/photo-produit.jpg"
},
{
"type": "input_text",
"text": "Περιγράψτε αυτή την εικόνα λεπτομερώς."
}
]
}
]
}
Η xAI συνιστά, όταν στέλνετε εικόνες, να μην αποθηκεύετε το ιστορικό αιτημάτων και απαντήσεων στους διακομιστές τους, διαφορετικά το αίτημα ενδέχεται να αποτύχει: με το Responses API, περάστε "store": false.
Με το Chat Completions API (παλαιότερη έκδοση, συμβατό με το OpenAI):
{
"model": "grok-4.5",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://exemple.com/photo-produit.jpg"
}
},
{
"type": "text",
"text": "Περιγράψτε αυτή την εικόνα λεπτομερώς."
}
]
}
]
}
Το URL πρέπει να δείχνει σε ένα αρχείο εικόνας προσβάσιμο δημόσια. Εάν η εικόνα προστατεύεται από πιστοποίηση ή βρίσκεται πίσω από προστατευμένο CDN, χρησιμοποιήστε αντίθετα τη μορφή Base64.
Κωδικοποίηση Base64 (Data URI)
Η δεύτερη μορφή περιλαμβάνει την κωδικοποίηση της εικόνας απευθείας μέσα στο αίτημα ως συμβολοσειρά Base64,preceded by a MIME prefix. Αυτή είναι η ιδανική μέθοδος όταν εργάζεστε με τοπικές εικόνες, στιγμιότυπα οθόνης ή αρχεία που δημιουργούνται δυναμικά.
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}
Το πρόθεμα data:image/jpeg;base64, ενημερώνει το μοντέλο για τον τύπο MIME της εικόνας. Προσαρμόστε το ανάλογα με τη μορφή:
data:image/jpeg;base64,για αρχεία JPG/JPEGdata:image/png;base64,για αρχεία PNG
Κωδικοποίηση Εικόνας σε Python
import base64
with open("photo.jpg", "rb") as f:
image_data = base64.standard_b64encode(f.read()).decode("utf-8")
image_url = f"data:image/jpeg;base64,{image_data}"
Κωδικοποίηση σε JavaScript/Node.js
import { readFileSync } from 'fs';
const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;
Βασικές Διαφορές μεταξύ URL και Base64
| Κριτήριο | URL | Base64 |
|---|---|---|
| Μέγεθος αιτήματος | Ελαφρύ (μόνο το URL) | Βαρύ (+33% σε σχέση με το αρχικό αρχείο) |
| Προσβασιμότητα | Απαιτείται δημόσια εικόνα | Λειτουργεί με οποιοδήποτε τοπικό αρχείο |
| Καθυστέρηση (Latency) | Λήψη από τον διακομιστή | Δεδομένα απευθείας στο αίτημα |
| Τυπική περίπτωση χρήσης | Εικόνες web, CDN, αποθήκευση cloud | Τοπικά αρχεία, στιγμιότυπα οθόνης, μεταφορτώσεις |
Συνδυασμός Κειμένου και Εικόνων
Το content ενός μηνύματος δέχεται έναν μικτό πίνακα αντικειμένων input_image και input_text, με οποιαδήποτε σειρά: μπορείτε να εναλλάσσετε ελεύθερα κείμενο και εικόνες. Με το εγγενές SDK της xAI, το ίδιο μήνυμα δομείται με τη συνάρτηση user(), η οποία δέχεται κείμενο και εικόνες που δημιουργούνται από τη συνάρτηση image() διαδοχικά:
from xai_sdk import Client
from xai_sdk.chat import image, user
client = Client() # το κλειδί διαβάζεται από το XAI_API_KEY
chat = client.chat.create(model="grok-4.5")
chat.append(
user(
"Συγκρίνετε αυτές τις δύο φωτογραφίες:",
image(image_url="https://exemple.com/photo1.jpg", detail="high"),
image(image_url="https://exemple.com/photo2.jpg", detail="high"),
"Ποιες είναι οι κύριες διαφορές;",
)
)
response = chat.sample()
print(response.content)
Η συνάρτηση image() δέχεται ένα δημόσιο URL ή ένα Data URI σε Base64.
Βασικά σημεία
- Υποστηρίζονται δύο μορφές εικόνων: Άμεσο URL και Base64 (Data URI)
- Οι αποδεκτές μορφές είναι αποκλειστικά JPG, JPEG και PNG
- Κάθε εικόνα δεν πρέπει να υπερβαίνει τα 20 MiB
- Ο αριθμός των εικόνων ανά αίτημα είναι απεριόριστος
- Το Responses API τοποθετεί το
input_imageστοcontentενός μηνύματος· το Chat Completions χρησιμοποιεί τμήματαimage_url· το SDK της xAI χρησιμοποιεί τη συνάρτησηimage()μέσα στηνuser() - Προτιμήστε το URL για δημόσιες εικόνες και το Base64 για τοπικά αρχεία