Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Βελτιστοποίηση tokens εικόνας

Μάθημα 10 / 12 Ενημερώθηκε 30 Ιουλίου 2026 Αρχάριος
Σε αυτήν τη σελίδα
  1. Ελέγξτε το κόστος σας στην παραγωγή
  2. Στρατηγική 1: Επιλέξτε το κατάλληλο επίπεδο λεπτομέρειας
  3. Στρατηγική 2: Αλλαγή μεγέθους πριν την αποστολή
  4. Στρατηγική 3: Ροή εργασίας δύο περασμάτων
  5. Στρατηγική 4: Cache (Προσωρινή αποθήκευση)
  6. Παρακολούθηση και ειδοποιήσεις
  7. Βασικά σημεία

Ελέγξτε το κόστος σας στην παραγωγή

Σε περιβάλλον παραγωγής, τα tokens εικόνας μπορούν να αποτελέσουν σημαντικό μέρος του λογαριασμού του API σας. Μία μόνο εικόνα σε λειτουργία high καταναλώνει έως και 1.792 tokens—ποσότητα ισοδύναμη με αρκετές παραγράφους κειμένου. Πολλαπλασιάστε αυτό με εκατοντάδες ή χιλιάδες καθημερινά αιτήματα και η βελτιστοποίηση καθίσταται αναγκαία.

Στρατηγική 1: Επιλέξτε το κατάλληλο επίπεδο λεπτομέρειας

Η παράμετρος detail είναι ο κύριος μοχλός βελτιστοποίησής σας. Το πιο συχνό λάθος είναι η χρήση της τιμής high ως προεπιλογή, όταν στις περισσότερες περιπτώσεις αρκούν οι τιμές low ή auto.

Πίνακας αποφάσεων

Εργασία Προτεινόμενη λεπτομέρεια Εκτιμώμενα tokens
Κατηγοριοποίηση εικόνας low ~256
Γενική περιγραφή auto ~512-768
Κείμενο εναλλακτικής περιγραφής / προσβασιμότητα low ~256
Διαχείριση περιεχομένου (Moderation) auto ~512-768
OCR / Εξαγωγή κειμένου high ~1024-1792
Ανάλυση διαγραμμάτων high ~1024-1792
Ανίχνευση ελαττωμάτων high ~1024-1792

Στρατηγική 2: Αλλαγή μεγέθους πριν την αποστολή

Οι εικόνες υψηλής ανάλυσης (4K, 8K) σπάνια είναι απαραίτητες για την ανάλυση από ΤΝ. Η συστηματική αλλαγή μεγέθους των εικόνων σας πριν την αποστολή μειώνει τα tokens χωρίς αισθητή επίπτωση στην ποιότητα της ανάλυσης.

from PIL import Image
import io
import base64

class OptimiseurImage:
    TAILLES_PAR_TACHE = {
        "classification": (512, 512),
        "description": (1024, 1024),
        "ocr": (2048, 2048),
        "comparison": (800, 800),
    }

    @staticmethod
    def optimiser(chemin, tache="description", qualite=85):
        taille_max = OptimiseurImage.TAILLES_PAR_TACHE.get(
            tache, (1024, 1024)
        )

        img = Image.open(chemin)

        # Do not enlarge small images
        if img.width <= taille_max[0] and img.height <= taille_max[1]:
            pass
        else:
            img.thumbnail(taille_max)

        # Convert to JPEG to reduce size
        if img.mode in ("RGBA", "P"):
            img = img.convert("RGB")

        buffer = io.BytesIO()
        img.save(buffer, "JPEG", quality=qualite)
        buffer.seek(0)

        encoded = base64.standard_b64encode(buffer.read()).decode()
        return f"data:image/jpeg;base64,{encoded}"

Στρατηγική 3: Ροή εργασίας δύο περασμάτων

Για μεγάλους όγκους δεδομένων, χρησιμοποιήστε μια ροή εργασίας δύο περασμάτων: ένα γρήγορο πρώτο πέρασμα σε λειτουργία low για ταξινόμηση και έπειτα ένα δεύτερο πέρασμα σε λειτουργία high μόνο για τις εικόνες που το απαιτούν:

def pipeline_deux_passes(images):
    # Pass 1: fast classification (low)
    classifications = []
    for img in images:
        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": img, "detail": "low"},
                {"type": "input_text", "text": "Classify: document, photo, chart, other. One word."}
            ],
            store=False
        )
        classifications.append({
            "url": img,
            "type": response.output_text.strip().lower()
        })

    # Pass 2: detailed analysis (high) only if necessary
    resultats = []
    for item in classifications:
        if item["type"] in ("document", "chart"):
            detail = "high"
        else:
            detail = "auto"

        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": item["url"], "detail": detail},
                {"type": "input_text", "text": "Detailed analysis of this image."}
            ],
            store=False
        )
        resultats.append(response.output_text)

    return resultats

Στρατηγική 4: Cache (Προσωρινή αποθήκευση)

Εάν αναλύετε τις ίδιες εικόνες πολλές φορές (δοκιμές, ανάπτυξη, demo), αποθηκεύστε τα αποτελέσματα σε cache:

import hashlib
import json

cache = {}

def vision_avec_cache(image_url, prompt, detail="auto"):
    # Create a unique key
    cle = hashlib.sha256(
        f"{image_url}:{prompt}:{detail}".encode()
    ).hexdigest()

    if cle in cache:
        return cache[cle]

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

    cache[cle] = response.output_text
    return response.output_text

Παρακολούθηση και ειδοποιήσεις

Ρυθμίστε την παρακολούθηση κόστους για να εντοπίζετε υπερβάσεις:

def monitorer_tokens(response, seuil_alerte=5000):
    usage = response.usage
    image_tokens = usage.prompt_tokens_details.image_tokens

    if image_tokens > seuil_alerte:
        print(f"ALERT: {image_tokens} image tokens (threshold: {seuil_alerte})")

    return {
        "image_tokens": image_tokens,
        "text_tokens": usage.prompt_tokens_details.text_tokens,
        "total": usage.total_tokens
    }

Βασικά σημεία

  • Επιλέξτε το επίπεδο detail που ταιριάζει στην εργασία—χρησιμοποιήστε low όταν είναι επαρκές
  • Αλλάζετε το μέγεθος των εικόνων πριν την αποστολή για μείωση της κατανάλωσης
  • Χρησιμοποιήστε ροή εργασίας δύο περασμάτων για μεγάλους όγκους δεδομένων
  • Αποθηκεύστε τα αποτελέσματα σε cache για να αποφύγετε πλεονάζουσες κλήσεις
  • Παρακολουθείτε τα tokens εικόνας στην παραγωγή για να προβλέπετε το κόστος