Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Formati slika: URL i Base64

Lekcija 1 od 12 Ažurirano 3. studenoga 2026. Početnik
Na ovoj stranici
  1. Slanje slika modelu Grok
  2. Izravni URL
  3. Base64 kodiranje (Data URI)
  4. Ključne razlike između URL-a i Base64
  5. Miješanje teksta i slika
  6. Ključne točke

Ažurirano 3. studenoga 2026. Uz Responses API, objekti input_image i input_text idu u content poruke {"role": "user", ...}, a ne izravno u input. Python primjer je prethodno pozivao client.responses.create() na klijentu xai-sdk, koji nema tu metodu, i pisao API ključ u kod: sada koristi user(...) i image(...) iz SDK-a, s ključem učitanim iz okoline. Dodano xAI-jevo upozorenje o pohrani povijesti. Kod verificiran s xai-sdk 1.21.0. Izvor: Image Understanding.

Slanje slika modelu Grok

Grok analizira sliku Grok modeli od verzije grok-4.5 nadalje uključuju vizualne mogućnosti. Možeš poslati jednu ili više slika u svojim API zahtjevima, a model će ih analizirati kako bi odgovorio na tvoja pitanja. To se naziva razumijevanje slika ili multimodalni vid.

Prije nego što zaroniš u primjere korištenja, bitno je savladati dva formata slanja slika koje podržava xAI API.

2
Podržani formati
20 MiB
Maksimalna veličina po slici
JPG/PNG
Prihvaćeni formati
Neograničeno
Broj slika

Izravni URL

Najjednostavnija metoda je navesti javni URL slike. Model će je automatski preuzeti i analizirati.

S Responses API-jem (glavna krajnja točka):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Detaljno opiši ovu sliku."
        }
      ]
    }
  ]
}

xAI preporučuje da kada šalješ slike, ne pohranjuješ povijest zahtjeva i odgovora na njihovim poslužiteljima, inače zahtjev može ne uspjeti: s Responses API-jem proslijedi "store": false.

S Chat Completions API-jem (stariji, kompatibilan s OpenAI):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Detaljno opiši ovu sliku."
        }
      ]
    }
  ]
}

URL mora ukazivati na javno dostupnu datoteku slike. Ako je slika zaštićena autentifikacijom ili se nalazi na zaštićenom CDN-u, umjesto toga upotrijebi Base64 format.

Base64 kodiranje (Data URI)

Drugi format uključuje kodiranje slike izravno u zahtjev kao Base64 niz s prefiksom MIME tipa. Ovo je idealna metoda kada radiš s lokalnim slikama, snimkama zaslona ili dinamički generiranim datotekama.

{
  "type": "input_image",
  "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}

Prefiks data:image/jpeg;base64, govori modelu koji je MIME tip slike. Prilagodi ga prema formatu:

  • data:image/jpeg;base64, za JPG/JPEG datoteke
  • data:image/png;base64, za PNG datoteke

Kodiranje slike u Pythonu

import base64

with open("photo.jpg", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")

image_url = f"data:image/jpeg;base64,{image_data}"

Kodiranje u JavaScriptu/Node.jsu

import { readFileSync } from 'fs';

const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;

Ključne razlike između URL-a i Base64

Kriterij URL Base64
Veličina zahtjeva Lagano (samo URL) Teško (+33% u odnosu na izvornu datoteku)
Dostupnost Potrebna javna slika Radi s bilo kojom lokalnom datotekom
Latencija Preuzimanje s poslužitelja Podaci izravno u zahtjevu
Tipičan slučaj korištenja Web slike, CDN, pohrana u oblaku Lokalne datoteke, snimke zaslona, prijenosi

Miješanje teksta i slika

content poruke prihvaća mješoviti niz objekata input_image i input_text, bilo kojim redoslijedom: možeš slobodno izmjenjivati tekst i slike. S izvornim xAI SDK-om, ista se poruka gradi s user(), koji prihvaća tekst i slike kreirane s image() u nizu:

from xai_sdk import Client
from xai_sdk.chat import image, user

client = Client()  # ključ učitan iz XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Usporedi ove dvije fotografije:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "Koje su glavne razlike?",
    )
)

response = chat.sample()
print(response.content)

image() prihvaća javni URL ili Base64 Data URI.

Ključne točke

  • Podržana su dva formata slika: Izravni URL i Base64 (Data URI)
  • Prihvaćeni formati su isključivo JPG, JPEG i PNG
  • Svaka slika ne smije prelaziti 20 MiB
  • Broj slika po zahtjevu je neograničen
  • Responses API stavlja input_image u content poruke; Chat Completions koristi dijelove image_url; xAI SDK koristi image() unutar user()
  • Preferiraj URL za javne slike, a Base64 za lokalne datoteke