Token immagine: da 256 a 1792
In questa pagina
Come le immagini consumano token
Quando invii un’immagine a Grok, questa viene convertita in token prima che il modello la analizzi. A differenza del testo, dove un token corrisponde grossomodo a una parola, i token immagine dipendono dalle dimensioni dell’immagine e dal livello di dettaglio richiesto.
Comprendere questo meccanismo è essenziale per anticipare i costi e dimensionare correttamente le tue richieste.
L’intervallo: da 256 a 1792 token
Ogni immagine inviata alle API consuma tra 256 e 1792 token. Questa variazione significativa dipende da diversi fattori:
- Risoluzione dell’immagine: un’immagine di 256x256 pixel consuma meno token di una da 4096x4096
- Il parametro
detail:lowconsuma il minimo,highconsuma il massimo - Contenuto dell’immagine: un’immagine complessa con molti dettagli può comportare un consumo maggiore in modalità
auto
Tracciamento del consumo di token
Le API xAI forniscono un conteggio preciso dei token immagine nella risposta. Lo trovi nel campo usage:
{
"usage": {
"prompt_tokens": 2048,
"completion_tokens": 150,
"total_tokens": 2198,
"prompt_tokens_details": {
"image_tokens": 1024,
"text_tokens": 1024
}
}
}
Il campo prompt_tokens_details.image_tokens ti indica esattamente quanti token hanno consumato le immagini nella tua richiesta. Si tratta di uno strumento indispensabile per monitorare i tuoi costi in produzione.
Impatto del livello di dettaglio sui token
Il parametro detail è la leva principale per controllare il consumo di token immagine:
# Stessa immagine, risultati di token molto diversi
# detail: low → ~256 token immagine
# detail: auto → ~512-1024 token immagine (variabile)
# detail: high → ~1024-1792 token immagine
In modalità low, l’immagine viene ridimensionata a una risoluzione ridotta prima dell’analisi. Il modello riceve meno informazioni ma consuma significativamente meno token.
In modalità high, l’immagine viene suddivisa in tile ad alta risoluzione. Ogni tile viene analizzato separatamente, il che moltiplica il numero di token ma permette al modello di leggere testi fini o rilevare dettagli sottili.
Calcolo del costo di una richiesta multimodale
Per stimare il costo di una richiesta contenente immagini, combina i token di testo e quelli immagine:
def estimate_cost(num_images, detail="auto", text_tokens=500):
# Stima dei token immagine per livello
image_tokens = {
"low": 256,
"auto": 768, # media stimata
"high": 1536 # media stimata
}
total_image = num_images * image_tokens[detail]
total = total_image + text_tokens
# Prezzo indicativo per milione di token (input)
price_per_million = 2.00 # grok-4.5 input — verifica il listino prezzi attuale
cost = (total / 1_000_000) * price_per_million
return {
"image_tokens": total_image,
"text_tokens": text_tokens,
"total_tokens": total,
"estimated_cost": f"${cost:.4f}"
}
Ottimizzazione del consumo di token
Ridimensionamento prima dell’invio
Se la tua immagine è molto grande ma non hai bisogno della massima risoluzione, ridimensionala prima di inviarla:
from PIL import Image
import io
import base64
def optimize_image(path, max_size=(1024, 1024)):
img = Image.open(path)
img.thumbnail(max_size)
buffer = io.BytesIO()
img.save(buffer, format="JPEG", quality=85)
buffer.seek(0)
encoded = base64.standard_b64encode(buffer.read()).decode()
return f"data:image/jpeg;base64,{encoded}"
Scelta del formato corretto
- JPEG: più leggero, ideale per foto e immagini con molti colori
- PNG: più pesante ma senza perdita di qualità, adatto per screenshot e diagrammi con testo
Raggruppamento intelligente
Se analizzi un lotto di immagini, raggruppa quelle che richiedono lo stesso livello di dettaglio in richieste separate, invece di mescolare low e high in un’unica richiesta.
Monitoraggio in produzione
In produzione, registra sistematicamente i token immagine per rilevare picchi anomali:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": url},
{"type": "input_text", "text": prompt}
]
)
# Registra i token
usage = response.usage
print(f"Token immagine : {usage.prompt_tokens_details.image_tokens}")
print(f"Token testo : {usage.prompt_tokens_details.text_tokens}")
print(f"Prompt totale : {usage.prompt_tokens}")
Listino prezzi aggiornato al 5 agosto 2026 — i prezzi cambiano regolarmente: prima di qualsiasi calcolo di budget, verifica il listino prezzi attuale sulla pagina ufficiale dei modelli e dei prezzi xAI.
Punti chiave
- Le immagini consumano tra 256 e 1792 token a seconda delle loro dimensioni e del livello di dettaglio
- Il campo
prompt_tokens_details.image_tokensfornisce il conteggio esatto - Il parametro
detailè la leva principale per controllare il consumo - Ridimensionare le immagini prima dell’invio riduce i token senza sacrificare la qualità per compiti semplici
- Monitora i token immagine in produzione per anticipare i costi