Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Parametar detail: auto, low i high

Lekcija 2 od 12 Ažurirano 30. srpnja 2026. Početnik
Na ovoj stranici
  1. Kontrola preciznosti analize
  2. Tri razine detalja
  3. Usporedba razina
  4. Sintaksa po API-ju
  5. Strategija optimizacije
  6. Ključne točke

Kontrola preciznosti analize

Kada pošalješ sliku modelu Grok, razinu detalja analize možeš kontrolirati pomoću parametra detail. Taj parametar izravno utječe na kvalitetu odgovora, vrijeme obrade i potrošnju tokena.

Razumijevanje ovog parametra ključno je za optimizaciju troškova i prilagodbu preciznosti svakom slučaju uporabe.

Tri razine detalja

xAI API nudi tri vrijednosti za parametar detail:

Auto (zadana vrijednost)

Ako ne navedeš parametar detail, model koristi auto. Automatski procjenjuje potrebnu razinu detalja na temelju slike i tvog upita.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg"
}

Ovo je preporučeno ponašanje za većinu slučajeva uporabe. Model prilagođava svoju strategiju analize ovisno o percipiranoj složenosti slike i postavljenom pitanju.

Low (brzo i ekonomično)

Način low izvodi brzu analizu slike koristeći manje tokena. Ovo je idealan izbor kada ti treba opće razumijevanje bez ulaska u fine detalje.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "low"
}

Slučajevi uporabe za low:

  • Klasifikacija sadržaja slike (pejzaž, portret, dokument itd.)
  • Identifikacija glavnog subjekta na fotografiji
  • Brzo sortiranje serije slika
  • Provjera odgovara li slika jednostavnom kriteriju

High (sporo i detaljno)

Način high prisiljava iscrpnu analizu slike. Model ispituje svaku zonu u maksimalnoj rezoluciji, što troši više tokena, ali proizvodi mnogo preciznije opise.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "high"
}

Slučajevi uporabe za high:

  • Čitanje sitnog teksta na slici (OCR)
  • Analiza grafikona s detaljnim legendama
  • Otkrivanje nedostataka na fotografijama proizvoda
  • Ispitivanje snimaka zaslona složenih sučelja

Usporedba razina

Parametar Brzina Tokeni Preciznost
auto Promjenjiva Promjenjiva Prilagodljiva
low Brzo Manje tokena Općenito
high Sporo Više tokena Detaljno

Sintaksa po API-ju

Parametar detail postavlja se na različita mjesta ovisno o korištenom API-ju.

Responses API (preporučeno)

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 (zastarjelo)

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."
            }
        ]
    }]
)

Imaj na umu da je u Chat Completions parametar detail ugniježđen unutar objekta image_url, dok se u Responses API-ju nalazi na istoj razini kao i image_url.

Strategija optimizacije

U proizvodnom okruženju, najbolja je praksa prilagoditi razinu detalja vrsti zadatka:

def analyser_image(image_url, tache):
    # Jednostavni zadaci → low radi uštede troškova
    if tache in ["classifier", "trier", "identifier_sujet"]:
        detail = "low"
    # Složeni zadaci → high radi preciznosti
    elif tache in ["ocr", "graphique", "defaut_produit"]:
        detail = "high"
    # Zadano → prepusti modelu odluku
    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}"}
        ]
    )

Ovaj pristup omogućuje ti značajno smanjenje troškova tokena za jednostavne zadatke, uz održavanje maksimalne preciznosti tamo gdje je to potrebno.

Ključne točke

  • Parametar detail kontrolira dubinu analize slike
  • auto (zadano) prepušta odluku modelu – ovo je preporučeni izbor
  • low je brz i ekonomičan, prikladan za zadatke klasifikacije
  • high je spor, ali precizan, prikladan za OCR i analizu finih detalja
  • Prilagodi razinu detalja vrsti zadatka kako bi optimizirao troškove