Format sadržaja
Na ovoj stranici
Dva ulazna formata za Grok
Kada šalješ poruku modelu Grok, polje content u svakoj poruci može imati jedan od dva različita oblika. Razumijevanje ove razlike ključno je jer određuje što možeš poslati modelu: samo tekst ili kombinaciju teksta i slika.
Jednostavni tekstualni niz
Najizravniji oblik: sadržaj je običan tekstualni niz. Ovaj ćeš format koristiti za većinu interakcija koje se temelje isključivo na tekstu.
{
"role": "user",
"content": "Explain the advantages of the Rust language compared to C++"
}
Ovaj format funkcionira za sve zadatke koji uključuju isključivo tekst: pitanja, upute, dostavu podataka ili zahtjeve za generiranje. Koristi ga kada ne trebaš uključiti vizualne elemente.
Niz tipiziranih objekata
Za multimodalne zahtjeve (tekst + slike), Grok prihvaća niz objekata gdje svaki element sadrži polje type koje označava njegovu prirodu.
Format za Chat Completions (starija verzija krajnje točke)
{
"role": "user",
"content": [
{"type": "text", "text": "Describe this user interface and suggest improvements"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/screenshot.png", "detail": "high"}}
]
}
Format za Responses (primarna krajnja točka)
{
"input": [
{"type": "input_text", "text": "Analyze this chart and extract the main trends"},
{"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
]
}
Obrati pozornost na razliku u nazivima između ove dvije krajnje točke: text i image_url za Chat Completions, dok su za Responses to input_text i input_image.
Kombiniranje teksta i slika
Niz objekata omogućuje ti slobodno miješanje teksta i slika u bilo kojem redoslijedu. Možeš poslati više slika u istom zahtjevu, s tekstom prije, poslije ili između njih.
{
"role": "user",
"content": [
{"type": "text", "text": "Compare these two interface mockups:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v1.png"}},
{"type": "text", "text": "Version 1 above, version 2 below:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v2.png"}},
{"type": "text", "text": "Identify the main differences and recommend the best version."}
]
}
Prihvaćeni izvori slika
Grok prihvaća slike na dva načina:
- Izravni URL: HTTPS poveznica na sliku koja je hostana na internetu
- Base64 kodiranje: slika ugrađena izravno u zahtjev kao data URI
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
Base64 format koristan je kada tvoje slike nisu hostane na internetu (npr. lokalne snimke zaslona ili slike koje je generirala tvoja aplikacija).
Parametar detail za slike
Svaka slika može primiti parametar detail koji kontrolira razinu analize:
- auto: model automatski bira razinu (zadano ponašanje)
- low: brza i ekonomična analiza, troši manje tokena
- high: detaljna analiza, troši više tokena, ali hvata fine detalje
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}
Koristi low za jednostavne zadatke (klasifikacija, opći opis), a high za precizne analize (OCR, detekcija detalja, čitanje grafikona).
Tehnička ograničenja
Imaj na umu sljedeća ograničenja pri radu sa slikama:
- Maksimalna veličina: 20 MB po slici
- Prihvaćeni formati: isključivo JPG, JPEG, PNG
- Nema ograničenja broja slika po zahtjevu
- Kompatibilni modeli: grok-4.5 i noviji
- Slike troše između 256 i 1.792 tokena, ovisno o njihovoj veličini i razini detalja
Praktična vježba
Isprobaj oba formata na jednostavnom zadatku:
Jednostavni tekstualni format:
{"role": "user", "content": "What are the 5 fundamental principles of UX design?"}
Format niza (samo tekst, ali strukturiran):
{
"role": "user",
"content": [
{"type": "text", "text": "Context: I'm designing a mobile food delivery application."},
{"type": "text", "text": "Question: what are the 5 most important UX principles for this type of application?"}
]
}
Čak i bez slike, format niza omogućuje ti jasno odvajanje konteksta od pitanja, što može poboljšati relevantnost odgovora.
Ključne točke
- Sadržaj može biti jednostavan tekstualni niz (običan tekst) ili niz objekata (multimodalno)
- Format niza omogućuje miješanje teksta i slika u bilo kojem redoslijedu
- Postoje dva formata nazivlja ovisno o krajnjoj točki: Chat Completions naspram Responses
- Parametar
detailkontrolira dubinu analize slike (low, auto, high) - Slike troše tokene: prilagodi razinu detalja svojim potrebama
- Base64 format omogućuje slanje slika bez njihovog hostanja na internetu