Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Parameeter detail: auto, low ja high

Õppetund 2 / 12 Värskendatud 30. juuli 2026 Algajatele
Sellel lehel
  1. Analüüsi täpsuse juhtimine
  2. Kolm detailitaset
  3. Tasemete võrdlus
  4. Süntaks API lõikes
  5. Optimeerimisstrateegia
  6. Peamised punktid

Analüüsi täpsuse juhtimine

Kui saadad pildi Grokile, saad parameetri detail abil juhtida analüüsi detailset taset. See parameeter mõjutab otseselt vastuse kvaliteeti, töötlemisaega ja tokenite kulu.

Selle parameetri mõistmine on kulude optimeerimiseks ja iga kasutusjuhu jaoks sobiva täpsuse valimiseks hädavajalik.

Kolm detailitaset

xAI API pakub parameetrile detail kolme väärtust:

Auto (vaikimisi väärtus)

Kui sa ei määra parameetrit detail, kasutab mudel väärtust auto. See hindab automaatselt vajalikku detailitaset, lähtudes pildist ja sinu sisendist.

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

See on enamiku kasutusjuhtude jaoks soovitatud käitumine. Mudel kohandab oma analüüsistrateegiat vastavalt pildi tajutud keerukusele ja esitatud küsimusele.

Low (kiire ja ökonoomne)

Režiim low teostab pildi kiire analüüsi, kasutades vähem tokeneid. See on ideaalne valik, kui vajad üldist arusaama ilma peenetesse detailidesse süvenemata.

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

Kasutusjuhud režiimile low:

  • Pildi sisu klassifitseerimine (maastik, portree, dokument jne)
  • Foto peamise objekti tuvastamine
  • Pildipartiide kiire sorteerimine
  • Kontrollimine, kas pilt vastab lihtsale kriteeriumile

High (aeglane ja detailne)

Režiim high sunnib tegema pildi ammendava analüüsi. Mudel uurib iga tsooni maksimaalse eraldusvõimega, mis tarbib rohkem tokeneid, kuid toodab palju täpsemaid kirjeldusi.

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

Kasutusjuhud režiimile high:

  • Peene teksti lugemine pildil (OCR)
  • Detailsete legendidega diagrammide analüüsimine
  • Defektide tuvastamine tootefotodel
  • Keerukate liideste ekraanitõmmiste uurimine

Tasemete võrdlus

Parameeter Kiirus Tokenid Täpsus
auto Muutuv Muutuv Kohanduv
low Kiire Vähem tokeneid Üldine
high Aeglane Rohkem tokeneid Detailne

Süntaks API lõikes

Parameeter detail paigutatakse sõltuvalt kasutatavast API-st erinevalt.

Responses API (soovitatud)

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": "Read all visible text in this image."
        }
    ]
)

Chat Completions API (vananenud)

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": "Read all visible text in this image."
            }
        ]
    }]
)

Pane tähele, et Chat Completionsis asub detail pesastatuna objekti image_url sees, samas kui Responses APIs on see samal tasemel kui image_url.

Optimeerimisstrateegia

Tootmiskeskkonnas on parimaks tavaks kohandada detailitaset vastavalt ülesande tüübile:

def analyser_image(image_url, tache):
    # Lihtsad ülesanded → low kulude säästmiseks
    if tache in ["classifier", "trier", "identifier_sujet"]:
        detail = "low"
    # Keerukad ülesanded → high täpsuse jaoks
    elif tache in ["ocr", "graphique", "defaut_produit"]:
        detail = "high"
    # Vaikimisi → lase mudelil otsustada
    else:
        detail = "auto"

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

See lähenemine võimaldab sul lihtsate ülesannete puhul tokenite kulu oluliselt vähendada, säilitades samal ajal maksimaalse täpsuse seal, kus see vajalik on.

Peamised punktid

  • Parameeter detail kontrollib pildianalüüsi sügavust
  • auto (vaikimisi) laseb mudelil otsustada – see on soovitatud valik
  • low on kiire ja ökonoomne, sobib klassifitseerimisülesanneteks
  • high on aeglane, kuid täpne, sobib OCR-i ja peene analüüsi jaoks
  • Kohanda detailitaset ülesande tüübi järgi, et optimeerida kulusid