Neribotas paveikslėlių skaičius viename užklausime
Šiame puslapyje
Konkurencinis xAI API pranašumas
xAI API išsiskiria iš konkurentų vienu pagrindiniu techniniu aspektu: jis nekelia jokių apribojimų vienu metu siunčiamų paveikslėlių skaičiui. Kol kiti API riboja tave iki 4, 10 ar 20 paveikslėlių, „Grok“ priima tiek, kiek nori.
Šis lankstumas atveria naudojimo atvejus, neįmanomus kitur, tačiau taip pat reikalauja gero praktinių pasekmių supratimo.
Ką iš tikrųjų reiškia „neribotas“
Tai, kad nėra paveikslėlių skaičiaus ribos, nereiškia, jog nėra jokių apribojimų. Keletas veiksnių natūraliai riboja efektyviai siunčiamų paveikslėlių kiekį:
Konteksto langas
Modelis turi fiksuotą konteksto langą. Kiekvienas paveikslėlis suvartoja nuo 256 iki 1792 tokenų. Jei „high“ režimu išsiųsi 50 paveikslėlių, vien jiems gali tekti 89 600 tokenų, todėl tekstui ir atsakymui liks labai mažai vietos.
Analizės kokybė
Viršijus tam tikrą paveikslėlių skaičių, analizės kokybė prastėja. Modelis turi paskirstyti dėmesį visiems paveikslėliams, todėl aprašymai gali tapti paviršutiniški arba kai kurios detalės gali būti praleistos.
Vėlavimas ir laiko limitas
Kuo daugiau paveikslėlių siunti, tuo ilgiau trunka apdorojimas. Esant rekomenduojamam 3600 sekundžių laiko limitui samprotavimo modeliams, labai didelės užklausos gali artėti prie šios ribos.
Praktinės rekomendacijos pagal apimtį
| Paveikslėlių skaičius | Rekomendacija | Siūlomas detalumas |
|---|---|---|
| 1–3 | Galima išsami analizė | high |
| 4–10 | Efektyvus palyginimas | auto |
| 11–20 | Grupinis klasifikavimas | low |
| 20+ | Skaidyti į papildomas užklausas | low |
Kelių paveikslėlių architektūros gamyboje
Šablonas: Nuoseklus apdorojimas su agregavimu
Norint analizuoti didelį kiekį paveikslėlių, apdorok juos grupėmis, o tada sugrupuok rezultatus:
import json
def analyser_catalogue(images, taille_lot=8):
"""Analizuoja paveikslėlių katalogą grupėmis."""
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
Šablonas: Piltuvo filtravimas
Pradėk nuo greito visų paveikslėlių rūšiavimo, o tada gilinkis tik į tuos, kurie yra aktualūs:
def entonnoir_analyse(images, critere):
"""Filtruoja, o tada atlieka išsamią analizę."""
# 1 žingsnis: Greitas filtravimas
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)
# 2 žingsnis: Išsami atrinktų paveikslėlių analizė
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
Klaidų valdymas dirbant su didelėmis paveikslėlių aibėmis
Dirbant su dideliu paveikslėlių kiekiu, tikimybė sulaukti klaidų didėja. Įdiek patikimą klaidų valdymą:
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 # Eksponentinis atsitraukimas
time.sleep(delai)
else:
raise e
Svarbiausi punktai
- xAI API priima neribotą paveikslėlių skaičių, tačiau konteksto langas lieka baigtinis
- Viršijus 10 paveikslėlių, naudok
detail: "low", kad išlaikytum analizės kokybę - Viršijus 20 paveikslėlių, patikimumui sumenkink užklausas į dalines
- „Piltuvo“ šablonas (greitas filtravimas, tada išsami analizė) yra efektyviausias dirbant su didelėmis apimtimis
- Didelėms užklausoms įdiek kartojimus su eksponentiniu atsitraukimu