Korlátok: Formátumok, méret és határok
Ezen az oldalon
Alapszabályok
Mielőtt integrálnád a Grok vision funkciót az alkalmazásaiddal, ismerned kell az xAI API által imposed technikai korlátokat. Ezen határok figyelmen kívül hagyása csendes hibákhoz vagy elutasított kérésekhez vezet, amelyeket éles környezetben nehéz lehet hibakeresni.
Elfogadott képformátumok
Az xAI API két képformátumot fogad el (három kiterjesztés: .jpg, .jpeg, .png):
- JPG (vagy JPEG) – a leggyakoribb formátum fényképekhez
- PNG – képernyőmentésekhez, diagramokhoz és szöveget tartalmazó képekhez alkalmas
Minden egyéb formátumot elutasít a rendszer. Ha WebP, GIF, BMP, TIFF, SVG vagy HEIC képekkel dolgozol, elküldés előtt konvertálnod kell őket:
from PIL import Image
def convert_to_jpeg(source_path, output_path):
img = Image.open(source_path)
# Konvertálás RGB-re (JPEG-hez szükséges)
if img.mode in ("RGBA", "P"):
img = img.convert("RGB")
img.save(output_path, "JPEG", quality=90)
Gyakori hibaforrás: RGBA képek
Az átlátszóságot (alfa csatornát) tartalmazó PNG fájlok változtatás nélkül elfogadottak. Ha azonban JPEG-be konvertálod őket, először el kell távolítanod az alfa csatornát, mivel a JPEG nem támogatja az átlátszóságot.
Maximális méret: 20 MiB
Egyetlen kép sem haladhatja meg a 20 MiB-ot (20 971 520 bájt). E felett az API elutasítja a kérést.
Ez a korlát az alábbiakra vonatkozik:
- A letöltött fájlra URL használata esetén
- A dekódolt adatokra Base64 használata esetén (nem magára a kódolt karakterláncra, amely kb. 33%-kal hosszabb)
Méret ellenőrzése elküldés előtt
import os
def check_size(image_path, max_mib=20):
size = os.path.getsize(image_path)
size_mib = size / (1024 * 1024)
if size_mib > max_mib:
raise ValueError(
f"Image too large: {size_mib:.1f} MiB "
f"(max {max_mib} MiB)"
)
return size_mib
Tömörítés szükség esetén
A korláthoz közeli méretű képeknél csökkentheted a JPEG minőséget:
def compress_image(path, quality=80, max_size_mib=20):
img = Image.open(path)
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=quality)
while buffer.tell() > max_size_mib * 1024 * 1024 and quality > 20:
quality -= 10
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=quality)
buffer.seek(0)
return buffer
Kérésekben szereplő képek száma: Korlátlan
Más vision API-kkal ellentétben, amelyek korlátozzák a kérésenkénti képek számát, az xAI API nem szab határt. Egyetlen kérésben annyi képet küldhetsz, amennyit csak szeretnél.
Ugyanakkor tartsd szem előtt, hogy:
- Minden kép 256 és 1792 token között fogyaszt
- A modell teljes kontextusának van egy maximális mérete
- Több kép = nagyobb késleltetés és költség
Gyakorlati ajánlás
Bár a korlát elméletileg végtelen, maradj észszerű határokon belül:
# Legjobb gyakorlat: feldolgozás kötegekben
def analyze_batch(images, batch_size=10):
results = []
for i in range(0, len(images), batch_size):
batch = images[i:i + batch_size]
input_data = []
for img in batch:
input_data.append({
"type": "input_image",
"image_url": img,
"detail": "low"
})
input_data.append({
"type": "input_text",
"text": "Briefly describe each image."
})
response = client.responses.create(
model="grok-4.5",
input=input_data
)
results.append(response)
return results
Kompatibilis modellek
A képmegértés funkció a grok-4.5 és újabb verziókon érhető el. A korábbi modellek nem támogatják ezt a funkciót.
Mindig ellenőrizd a kódodban használt modellt:
VISION_MODELS = ["grok-4.5", "grok-4.20-0309-reasoning"]
def supports_vision(model):
return any(model.startswith(m) for m in VISION_MODELS)
Hibakezelés
A korlátokhoz kapcsolódó hibák elkerülése érdekében validáld a képeket elküldés előtt:
def validate_image(path):
errors = []
# Formátum ellenőrzése
extension = path.lower().rsplit(".", 1)[-1]
if extension not in ("jpg", "jpeg", "png"):
errors.append(f"Unsupported format: {extension}")
# Méret ellenőrzése
size_mib = os.path.getsize(path) / (1024 * 1024)
if size_mib > 20:
errors.append(f"Too large: {size_mib:.1f} MiB (max 20)")
# Ellenőrzés, hogy valódi képről van-e szó
try:
img = Image.open(path)
img.verify()
except Exception:
errors.append("Corrupted file or not a valid image")
return errors
Főbb megállapítások
- Csak JPG/JPEG és PNG formátumok elfogadottak – a többit konvertálnod kell
- Maximális méret: képenként 20 MiB – szükség esetén tömöríts
- A kérésenkénti képek száma korlátlan, de minden kép tokeneket fogyaszt
- Csak a grok-4.5 és újabb modellek támogatják a vision funkciót
- Mindig validáld a képeket elküldés előtt a csendes hibák elkerülése érdekében