Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Kuvatokenit: 256:sta 1792:een

Oppitunti 3 / 12 Päivitetty 30. heinäkuuta 2026 Aloittelija
Tällä sivulla
  1. Miten kuvat kuluttavat tokeneita
  2. Vaihteluväli: 256–1792 tokenia
  3. Tokenkulutuksen seuranta
  4. Yksityiskohtaisuustason vaikutus tokeneihin
  5. Multimodaalisen pyynnön kustannusten laskeminen
  6. Tokenkulutuksen optimointi
  7. Seuranta tuotannossa
  8. Keskeiset asiat

Miten kuvat kuluttavat tokeneita

Kun lähetät kuvan Grokille, se muunnetaan tokeneiksi ennen kuin malli analysoi sen. Toisin kuin tekstissä, jossa token vastaa suunnilleen yhtä sanaa, kuvatokenit riippuvat kuvan koosta ja pyydetystä yksityiskohtaisuustasosta.

Tämän mekanismin ymmärtäminen on välttämätöntä kustannusten ennakoimiseksi ja pyyntöjen mitoittamiseksi.

Vaihteluväli: 256–1792 tokenia

Jokainen rajapinnalle lähetetty kuva kuluttaa 256–1792 tokenia. Tämä merkittävä vaihtelu johtuu useista tekijöistä:

  • Kuvan resoluutio: 256x256 pikselin kuva kuluttaa vähemmän tokeneita kuin 4096x4096 kuva
  • detail-parametri: low kuluttaa minimimäärän, high kuluttaa maksimimäärän
  • Kuvan sisältö: monimutkainen kuva, jossa on paljon yksityiskohtia, voi johtaa suurempaan kulutukseen auto-tilassa

Tokenkulutuksen seuranta

xAI-rajapinta tarjoaa tarkan laskelman kuvatokeneista vastauksessa. Löydät sen usage-kentästä:

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

prompt_tokens_details.image_tokens-kenttä kertoo tarkasti, kuinka monta tokenia pyyntösi kuvat ovat kuluttaneet. Tämä on korvaamaton työkalu kustannusten seurantaan tuotantoympäristössä.

Yksityiskohtaisuustason vaikutus tokeneihin

detail-parametri on tärkein vipu kuvatokenien kulutuksen hallintaan:

# Sama kuva, hyvin erilaiset token-tulokset
# detail: low  → ~256 kuvatokenia
# detail: auto → ~512-1024 kuvatokenia (vaihteleva)
# detail: high → ~1024-1792 kuvatokenia

low-tilassa kuva skaalataan pienempään resoluutioon ennen analyysiä. Malli saa vähemmän tietoa, mutta kuluttaa huomattavasti vähemmän tokeneita.

high-tilassa kuva jaetaan korkean resoluution laatoiksi. Jokainen laatta analysoidaan erikseen, mikä moninkertaistaa tokenien määrän, mutta mahdollistaa mallille hienovaraisen tekstin lukemisen tai pienien yksityiskohtien havaitsemisen.

Multimodaalisen pyynnön kustannusten laskeminen

Arvioidaksesi kuvia sisältävän pyynnön kustannukset, yhdistä teksti- ja kuvatokenit:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Arvioi kuvatokenit tason mukaan
    image_tokens = {
        "low": 256,
        "auto": 768,   # arvioitu keskiarvo
        "high": 1536    # arvioitu keskiarvo
    }

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

    # Suuntaa antava hinta miljoonaa tokenia kohden (syöte)
    price_per_million = 2.00  # grok-4.5 syöte — tarkista nykyinen hinnoittelu
    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}"
    }

Tokenkulutuksen optimointi

Muuta kokoa ennen lähetystä

Jos kuvasi on hyvin suuri, mutta et tarvitse maksimiresoluutiota, muuta sen kokoa ennen lähetystä:

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}"

Valitse oikea formaatti

  • JPEG: kevyempi, ihanteellinen valokuville ja kuville, joissa on paljon värejä
  • PNG: raskaampi mutta häviötön, sopii kuvakaappauksille ja tekstiä sisältäville kaavioille

Ryhmittele älykkäästi

Jos analysoit kuvien erää, ryhmittele samantasoista yksityiskohtaisuutta vaativat kuvat erillisiin pyyntöihin sen sijaan, että sekoittaisit low- ja high-tasot samaan pyyntöön.

Seuranta tuotannossa

Kirjaa tuotantoympäristössä kuvatokenit systemaattisesti piikkien havaitsemiseksi:

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

# Logitokenit
usage = response.usage
print(f"Kuvatokenit : {usage.prompt_tokens_details.image_tokens}")
print(f"Tekstitokenit : {usage.prompt_tokens_details.text_tokens}")
print(f"Koko kehote : {usage.prompt_tokens}")

Hinnoittelu 5. elokuuta 2026 — hinnat muuttuvat säännöllisesti: ennen budjetin laskemista tarkista nykyinen hinnoittelu xAI:n viralliselta mallien ja hinnoittelun sivulta.

Keskeiset asiat

  • Kuvat kuluttavat 256–1792 tokenia koostaan ja yksityiskohtaisuustasosta riippuen
  • prompt_tokens_details.image_tokens-kenttä antaa tarkan lukumäärän
  • detail-parametri on tärkein vipu kulutuksen hallintaan
  • Kuvien koon muuttaminen ennen lähetystä vähentää tokeneita uhraamatta laatua yksinkertaisissa tehtävissä
  • Seuraa kuvatokeneita tuotannossa kustannusten ennakoimiseksi