Parametri detail: auto, low ja high
Tällä sivulla
Analyysin tarkkuuden hallinta
Kun lähetät kuvan Grokille, voit hallita analyysin yksityiskohtaisuustasoa detail-parametrilla. Tämä parametri vaikuttaa suoraan vastauksen laatuun, käsittelyaikaan ja tokenien kulutukseen.
Tämän parametrin ymmärtäminen on ratkaisevan tärkeää kustannusten optimoimiseksi ja tarkkuuden sovittamiseksi jokaiseen käyttötarkoitukseen.
Kolme detail-tasoa
xAI API tarjoaa detail-parametrille kolme arvoa:
Auto (oletusarvo)
Jos et määritä detail-parametria, malli käyttää arvoa auto. Se arvioi automaattisesti tarvittavan yksityiskohtaisuustason kuvan ja kehotteesi perusteella.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg"
}
Tämä on suositeltu toimintatapa useimpiin käyttötarkoituksiin. Malli mukauttaa analyysistrategiansa kuvan havaitun monimutkaisuuden ja esitetyn kysymyksen mukaan.
Low (nopea ja taloudellinen)
low-tila suorittaa nopean kuvanalyysin käyttäen vähemmän tokeneita. Tämä on ihanteellinen valinta, kun tarvitset yleiskuvan ilman syvällistä yksityiskohtiin menemistä.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "low"
}
low-tilan käyttötarkoituksia:
- Kuvan sisällön luokittelu (maisema, muotokuva, asiakirja jne.)
- Valokuvan pääkohteen tunnistaminen
- Kuvien erän nopea lajittelu
- Tarkistus, vastaako kuva yksinkertaista kriteeriä
High (hidas ja yksityiskohtainen)
high-tila pakottaa mallin suorittamaan tyhjentävän kuvanalyysin. Malli tutkii jokaista aluetta maksimitarkkuudella, mikä kuluttaa enemmän tokeneita mutta tuottaa huomattavasti tarkempia kuvauksia.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "high"
}
high-tilan käyttötarkoituksia:
- Hienojakoisen tekstin lukeminen kuvasta (OCR)
- Kaavioiden analysointi yksityiskohtaisine selitteineen
- Virheiden havaitseminen tuotekuvissa
- Monimutkaisten käyttöliittymien kuvakaappausten tutkiminen
Tasojen vertailu
| Parametri | Nopeus | Tokenit | Tarkkuus |
|---|---|---|---|
| auto | Vaihteleva | Vaihteleva | Mukautuva |
| low | Nopea | Vähemmän tokeneita | Yleinen |
| high | Hidas | Enemmän tokeneita | Yksityiskohtainen |
Syntaksi API:n mukaan
detail-parametri sijoitetaan eri tavoin riippuen käytetystä APIsta.
Responses API (suositeltu)
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 (vanhentunut)
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."
}
]
}]
)
Huomaa, että Chat Completionsissa detail on sisäkkäin image_url-objektin kanssa, kun taas Responses APIssa se on samalla tasolla image_url:n kanssa.
Optimointistrategia
Tuotantoympäristössä paras käytäntö on mukauttaa detail-taso tehtävätyypin mukaan:
def analyser_image(image_url, tache):
# Yksinkertaiset tehtävät → low kustannussäästöjen vuoksi
if tache in ["classifier", "trier", "identifier_sujet"]:
detail = "low"
# Monimutkaiset tehtävät → high tarkkuuden vuoksi
elif tache in ["ocr", "graphique", "defaut_produit"]:
detail = "high"
# Oletus → anna mallin päättää
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}"}
]
)
Tämä lähestymistapa mahdollistaa tokenikustannusten merkittävän vähentämisen yksinkertaisissa tehtävissä samalla, kun maksimitarkkuus säilyy siellä, missä sitä tarvitaan.
Keskeiset asiat
detail-parametri ohjaa kuvanalyysin syvyyttäauto(oletus) antaa mallin päättää – tämä on suositeltu valintalowon nopea ja taloudellinen, sopii luokittelutehtäviinhighon hidas mutta tarkka, sopii OCR:ään ja hienojakoiseen analyysiin- Mukauta detail-taso tehtävätyypin mukaan kustannusten optimoimiseksi