Neograničen broj slika po zahtjevu
Na ovoj stranici
Konkurentska prednost xAI API-ja
xAI API ističe se među konkurentima jednom ključnom tehničkom točkom: nameće nema ograničenja na broj slika koje možeš poslati u jednom zahtjevu. Dok te drugi API-ji ograničavaju na 4, 10 ili 20 slika, Grok prihvaća onoliko koliko želiš.
Ova fleksibilnost otključava slučajeve uporabe koji su drugdje nemogući, ali također zahtijeva čvrsto razumijevanje praktičnih implikacija.
Što „neograničeno“ zapravo znači
Nema ograničenja na broj slika ne znači da nema nikakvih ograničenja. Nekoliko čimbenika prirodno ograničava koliko slika možeš učinkovito poslati:
Kontekstni prozor
Model ima fiksni kontekstni prozor. Svaka slika troši između 256 i 1792 tokena. Ako pošalješ 50 slika u načinu high, potencijalno trošiš 89.600 tokena samo na slike, ostavljajući malo prostora za tekst i odgovor.
Kvaliteta analize
Iznad određenog broja slika, kvaliteta analize opada. Model mora rasporediti svoju pažnju na sve slike, što može dovesti do površnih opisa ili propusta.
Kašnjenje i istek vremena
Što više slika pošalješ, to obrada traje duže. S preporučenim vremenskim ograničenjem (timeout) od 3600 sekundi za modele rezoniranja, vrlo veliki zahtjevi mogu se približiti tom limitu.
Praktične preporuke prema volumenu
| Broj slika | Preporuka | Predložena razina detalja |
|---|---|---|
| 1-3 | Moguća detaljna analiza | high |
| 4-10 | Učinkovita usporedba | auto |
| 11-20 | Grupna klasifikacija | low |
| 20+ | Podijeli na podzahtjeve | low |
Arhitekture s više slika u proizvodnji
Uzorak: Sekvencijalna obrada s agregacijom
Za analizu velikog broja slika, obradi ih u serijama (batch), a zatim agregiraj rezultate:
import json
def analyser_catalogue(images, taille_lot=8):
"""Analyzes an image catalogue in batches."""
tous_resultats = []
for i in range(0, len(images), taille_lot):
lot = images[i:i + taille_lot]
input_data = []
for j, img in enumerate(lot, 1):
input_data.append({
"type": "input_text",
"text": f"Image {i + j}:"
})
input_data.append({
"type": "input_image",
"image_url": img,
"detail": "low"
})
input_data.append({
"type": "input_text",
"text": """For each image, identify in JSON:
{"number": N, "category": "...", "short_description": "..."}
Return a JSON array."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
try:
resultats_lot = json.loads(response.output_text)
tous_resultats.extend(resultats_lot)
except json.JSONDecodeError:
tous_resultats.append({"batch": i, "raw": response.output_text})
return tous_resultats
Uzorak: Lijevak filtriranja
Započni s brzim sortiranjem svih slika, a zatim dubinski analiziraj samo one koje su relevantne:
def entonnoir_analyse(images, critere):
"""Filters then analyzes in depth."""
# Step 1: Quick filtering
input_data = []
for i, img in enumerate(images):
input_data.append({"type": "input_image", "image_url": img, "detail": "low"})
input_data.append({
"type": "input_text",
"text": f"""Among these {len(images)} images, which ones
match the criteria: "{critere}"?
Return only the numbers (0-based index) in JSON: [0, 3, 7]"""
})
response = client.responses.create(
model="grok-4.5", input=input_data, store=False
)
indices = json.loads(response.output_text)
# Step 2: In-depth analysis of filtered images
resultats = []
for idx in indices:
response_detail = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": images[idx], "detail": "high"},
{"type": "input_text", "text": "Detailed analysis of this image."}
],
store=False
)
resultats.append({"index": idx, "analysis": response_detail.output_text})
return resultats
Rukovanje greškama s velikim skupovima slika
Kada radiš s velikim brojem slika, vjerojatnost grešaka je veća. Implementiraj robustno rukovanje:
import time
def requete_avec_retry(input_data, max_retries=3):
for tentative in range(max_retries):
try:
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response
except Exception as e:
if tentative < max_retries - 1:
delai = 2 ** tentative # Exponential backoff
time.sleep(delai)
else:
raise e
Ključne točke
- xAI API prihvaća neograničen broj slika, ali kontekstni prozor ostaje konačan
- Iznad 10 slika, koristi
detail: "low"kako bi sačuvao kvalitetu analize - Iznad 20 slika, podijeli zahtjev na podzahtjeve radi pouzdanosti
- Uzorak „lijevka“ (brzo filtriranje pa detaljna analiza) najučinkovitiji je za velike volumene
- Implementiraj ponovne pokušaje s eksponencijalnim kašnjenjem (exponential backoff) za velike zahtjeve