Formati slika: URL i Base64
Na ovoj stranici
Ažurirano 3. studenoga 2026. Uz Responses API, objekti
input_imageiinput_textidu ucontentporuke{"role": "user", ...}, a ne izravno uinput. Python primjer je prethodno pozivaoclient.responses.create()na klijentuxai-sdk, koji nema tu metodu, i pisao API ključ u kod: sada koristiuser(...)iimage(...)iz SDK-a, s ključem učitanim iz okoline. Dodano xAI-jevo upozorenje o pohrani povijesti. Kod verificiran sxai-sdk1.21.0. Izvor: Image Understanding.
Slanje slika modelu Grok
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.
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 datotekedata: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_imageucontentporuke; Chat Completions koristi dijeloveimage_url; xAI SDK koristiimage()unutaruser() - Preferiraj URL za javne slike, a Base64 za lokalne datoteke