Βελτιστοποίηση tokens εικόνας
Σε αυτήν τη σελίδα
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
detailπου ταιριάζει στην εργασία—χρησιμοποιήστεlowόταν 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