Ir al contenido principal
Español— Elegir un idioma
Menú

Parámetro detail: auto, low y high

Lección 2 de 12 Actualizado el 30 de julio de 2026 Principiante
En esta página
  1. Control de la precisión del análisis
  2. Los tres niveles de detalle
  3. Comparación de los niveles
  4. Sintaxis por API
  5. Estrategia de optimización
  6. Puntos clave

Control de la precisión del análisis

Cuando envías una imagen a Grok, puedes controlar el nivel de detalle del análisis mediante el parámetro detail. Este parámetro afecta directamente a la calidad de la respuesta, al tiempo de procesamiento y al consumo de tokens.

Comprender este parámetro es fundamental para optimizar costes y ajustar la precisión a cada caso de uso.

Los tres niveles de detalle

La API de xAI ofrece tres valores para el parámetro detail:

Auto (valor predeterminado)

Si no especificas el parámetro detail, el modelo utiliza auto. Evalúa automáticamente el nivel de detalle necesario en función de la imagen y de tu prompt.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg"
}

Este es el comportamiento recomendado para la mayoría de los casos de uso. El modelo adapta su estrategia de análisis según la complejidad percibida de la imagen y la pregunta formulada.

Low (rápido y económico)

El modo low realiza un análisis rápido de la imagen utilizando menos tokens. Es la opción ideal cuando necesitas una comprensión general sin entrar en detalles finos.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "low"
}

Casos de uso para low:

  • Clasificar el contenido de una imagen (paisaje, retrato, documento, etc.)
  • Identificar el sujeto principal de una foto
  • Ordenar rápidamente un lote de imágenes
  • Comprobar si una imagen cumple un criterio sencillo

High (lento y detallado)

El modo high fuerza un análisis exhaustivo de la imagen. El modelo examina cada zona a la máxima resolución, lo que consume más tokens pero genera descripciones mucho más precisas.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "high"
}

Casos de uso para high:

  • Leer texto fino en una imagen (OCR)
  • Analizar gráficos con leyendas detalladas
  • Detectar defectos en fotos de productos
  • Examinar capturas de pantalla de interfaces complejas

Comparación de los niveles

Parámetro Velocidad Tokens Precisión
auto Variable Variable Adaptativa
low Rápida Menos tokens General
high Lenta Más tokens Detallada

Sintaxis por API

La ubicación del parámetro detail varía según la API que utilices.

Responses API (recomendada)

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": "https://exemple.com/photo.jpg",
            "detail": "high"
        },
        {
            "type": "input_text",
            "text": "Lee todo el texto visible en esta imagen."
        }
    ]
)

Chat Completions API (legada)

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image_url",
                "image_url": {
                    "url": "https://exemple.com/photo.jpg",
                    "detail": "high"
                }
            },
            {
                "type": "text",
                "text": "Lee todo el texto visible en esta imagen."
            }
        ]
    }]
)

Ten en cuenta que en Chat Completions, detail está anidado dentro del objeto image_url, mientras que en la Responses API se encuentra al mismo nivel que image_url.

Estrategia de optimización

En producción, una buena práctica consiste en adaptar el nivel de detalle según el tipo de tarea:

def analizar_imagen(image_url, tarea):
    # Tareas sencillas → low para ahorrar costes
    if tarea in ["clasificar", "ordenar", "identificar_sujeto"]:
        detalle = "low"
    # Tareas complejas → high para precisión
    elif tarea in ["ocr", "grafico", "defecto_producto"]:
        detalle = "high"
    # Por defecto → dejar que el modelo decida
    else:
        detalle = "auto"

    return client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": detalle},
            {"type": "input_text", "text": f"Tarea: {tarea}"}
        ]
    )

Este enfoque te permite reducir significativamente los costes de tokens en tareas sencillas, manteniendo al mismo tiempo la máxima precisión donde sea necesario.

Puntos clave

  • El parámetro detail controla la profundidad del análisis de imágenes
  • auto (predeterminado) deja que el modelo decida; es la opción recomendada
  • low es rápido y económico, adecuado para tareas de clasificación
  • high es lento pero preciso, adecuado para OCR y análisis de grano fino
  • Adapta el nivel de detalle al tipo de tarea para optimizar costes