Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Pilditokenid: 256-st 1792-ni

Õppetund 3 / 12 Värskendatud 30. juuli 2026 Algajatele
Sellel lehel
  1. Kuidas pildid tokeneid tarbivad
  2. Vahemik: 256 kuni 1792 tokenit
  3. Tokenite tarbimise jälgimine
  4. Detailitaseme mõju tokenitele
  5. Mitmemodaalse päringu hinna arvutamine
  6. Tokenite tarbimise optimeerimine
  7. Jälgimine tootmiskeskkonnas
  8. Peamised punktid

Kuidas pildid tokeneid tarbivad

Kui saadad pildi Grokile, teisendab see selle tokeniteks enne mudeli analüüsi. Erinevalt tekstist, kus token vastab ligikaudu sõnale, sõltuvad pilditokenid pildi suurusest ja taotletud detailitasemest.

Selle mehhanismi mõistmine on hädavajalik kulude ennustamiseks ja päringute õigeks planeerimiseks.

Vahemik: 256 kuni 1792 tokenit

Iga API-le saadetud pilt tarbib vahemikus 256 kuni 1792 tokenit. See suur varieeruvus tuleneb mitmest tegurist:

  • Pildi eraldusvõime: 256x256 piksliline pilt tarbib vähem tokeneid kui 4096x4096 pilt
  • Parameeter detail: väärtus low tarbib miinimumi, high tarbib maksimumi
  • Pildi sisu: keeruline pilt, mis sisaldab palju detaile, võib auto režiimis põhjustada suuremat tarbimist

Tokenite tarbimise jälgimine

xAI API annab vastuses täpse pilditokenite arvu. Leiad selle väljalt usage:

{
  "usage": {
    "prompt_tokens": 2048,
    "completion_tokens": 150,
    "total_tokens": 2198,
    "prompt_tokens_details": {
      "image_tokens": 1024,
      "text_tokens": 1024
    }
  }
}

Väli prompt_tokens_details.image_tokens ütleb sulle täpselt, mitu tokenit sinu päringus olevad pildid tarbisid. See on asendamatu tööriist kulude jälgimiseks tootmiskeskkonnas.

Detailitaseme mõju tokenitele

Parameeter detail on peamine hoob pilditokenite tarbimise kontrollimiseks:

# Sama pilt, väga erinevad tokenite tulemused
# detail: low  → ~256 pilditokenit
# detail: auto → ~512-1024 pilditokenit (muutuv)
# detail: high → ~1024-1792 pilditokenit

Režiimis low muudetakse pilt enne analüüsi väiksema eraldusvõimega versiooniks. Mudel saab vähem teavet, kuid tarbib oluliselt vähem tokeneid.

Režiimis high jagatakse pilt suure eraldusvõimega plokkideks (tiles). Iga plokki analüüsitakse eraldi, mis korrutab tokenite arvu, kuid võimaldab mudelil lugeda peent teksti või tuvastada väikseid detaile.

Mitmemodaalse päringu hinna arvutamine

Piltidega päringu hinna hindamiseks liida teksti- ja pilditokenid:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Hinda pilditokeneid taseme järgi
    image_tokens = {
        "low": 256,
        "auto": 768,   # hinnanguline keskmine
        "high": 1536    # hinnanguline keskmine
    }

    total_image = num_images * image_tokens[detail]
    total = total_image + text_tokens

    # Soovituslik hind miljoni tokeni kohta (sisend)
    price_per_million = 2.00  # grok-4.5 sisend — kontrolli kehtivat hinnakirja
    cost = (total / 1_000_000) * price_per_million

    return {
        "image_tokens": total_image,
        "text_tokens": text_tokens,
        "total_tokens": total,
        "estimated_cost": f"${cost:.4f}"
    }

Tokenite tarbimise optimeerimine

Muuda suurust enne saatmist

Kui su pilt on väga suur, kuid sa ei vaja maksimaalset eraldusvõimet, vähenda selle suurust enne saatmist:

from PIL import Image
import io
import base64

def optimize_image(path, max_size=(1024, 1024)):
    img = Image.open(path)
    img.thumbnail(max_size)

    buffer = io.BytesIO()
    img.save(buffer, format="JPEG", quality=85)
    buffer.seek(0)

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

Vali õige formaat

  • JPEG: kergem, ideaalne fotode ja paljude värvidega piltide jaoks
  • PNG: raskem, kuid kadudeta, sobib ekraanitõmmete ja teksti sisaldavate diagrammide jaoks

Grupeeri targalt

Kui analüüsid piltide partiid, grupeeri samale detailitasemele vajavad pildid eraldi päringutesse, selle asemel et segada ühes päringus väärtusi low ja high.

Jälgimine tootmiskeskkonnas

Tootmiskeskkonnas logi süstemaatiliselt pilditokeneid, et tuvastada hüppeid:

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

# Logi tokenid
usage = response.usage
print(f"Pilditokenid : {usage.prompt_tokens_details.image_tokens}")
print(f"Tekstitokenid : {usage.prompt_tokens_details.text_tokens}")
print(f"Kogu sisend : {usage.prompt_tokens}")

Hinnad seisuga 5. august 2026 — hinnad muutuvad regulaarselt: enne eelarve arvutamist kontrolli kehtivat hinnakirja xAI ametlikul mudelite ja hindade lehel.

Peamised punktid

  • Pildid tarbivad vahemikus 256 kuni 1792 tokenit, sõltuvalt nende suurusest ja detailitasemest
  • Väli prompt_tokens_details.image_tokens annab täpse arvu
  • Parameeter detail on peamine hoob tarbimise kontrollimiseks
  • Piltide suuruse vähendamine enne saatmist vähendab tokeneid, ohverdamata kvaliteeti lihtsate ülesannete puhul
  • Jälgi tootmiskeskkonnas pilditokeneid, et ennustada kulusid