Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Parametras „detail“: auto, low ir high

Paskaita 2 iš 12 Atnaujinta 2026 m. liepos 30 d. Pradedantisiems
Šiame puslapyje
  1. Analizės tikslumo valdymas
  2. Trys išsamumo lygiai
  3. Lygių palyginimas
  4. Sintaksė pagal API
  5. Optimizavimo strategija
  6. Svarbiausi punktai

Analizės tikslumo valdymas

Siųsdamas vaizdą į „Grok“, gali valdyti analizės išsamumo lygį naudodamas parametrą detail. Šis parametras tiesiogiai veikia atsakymo kokybę, apdorojimo laiką ir sunaudojamų žetonų (token) kiekį.

Suprasti šį parametrą būtina norint optimizuoti išlaidas ir pritaikyti tikslumą kiekvienam konkrečiam atvejui.

Trys išsamumo lygiai

xAI API siūlo tris parametro detail reikšmes:

Auto (numatytoji reikšmė)

Kai nenurodai parametro detail, modelis naudoja auto. Jis automatiškai įvertina reikiamą išsamumo lygį pagal vaizdą ir tavo užklausą.

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

Tai yra rekomenduojamas elgesys daugeliu atvejų. Modelis pritaiko savo analizės strategiją pagal suvoktą vaizdo sudėtingumą ir užduotą klausimą.

Low (greita ir ekonomiška)

Režimas low atlieka greitą vaizdo analizę sunaudodamas mažiau žetonų. Tai idealus pasirinkimas, kai reikia bendro supratimo nesigilinant į smulkias detales.

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

Naudojimo atvejai režimui low:

  • Vaizdo turinio klasifikavimas (kraštovaizdis, portretas, dokumentas ir kt.)
  • Pagrindinio nuotraukos objekto identifikavimas
  • Greitas vaizdų partijos rūšiavimas
  • Patikrinimas, ar vaizdas atitinka paprastą kriterijų

High (lėta ir išsami)

Režimas high priverčia atlikti išsamią vaizdo analizę. Modelis nagrinėja kiekvieną zoną maksimalia raiška, kas sunaudoja daugiau žetonų, tačiau sukuria daug tikslesnius aprašymus.

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

Naudojimo atvejai režimui high:

  • Smulkaus teksto nuskaitymas vaizde (OCR)
  • Diagramų su išsamiomis legendomis analizė
  • Defektų aptikimas produktų nuotraukose
  • Sudėtingų sąsajų ekrano kopijų nagrinėjimas

Lygių palyginimas

Parametras Greitis Žetonai Tikslumas
auto Kintamas Kintamas Adaptyvus
low Greitas Mažiau žetonų Bendras
high Lėtas Daugiau žetonų Išsamus

Sintaksė pagal API

Parametras detail įtraukiamas skirtingai, priklausomai nuo naudojamos API.

Responses API (rekomenduojama)

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 (pasenusi)

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."
            }
        ]
    }]
)

Atkreipk dėmesį, kad „Chat Completions“ parametras detail yra įdėtas į image_url objektą, tuo tarpu „Responses API“ jis yra tame pačiame lygyje kaip ir image_url.

Optimizavimo strategija

Gamybinėje aplinkoje geriausia praktika – pritaikyti išsamumo lygį pagal užduoties tipą:

def analyser_image(image_url, tache):
    # Paprastos užduotys → low, norint sutaupyti
    if tache in ["classifier", "trier", "identifier_sujet"]:
        detail = "low"
    # Sudėtingos užduotys → high tikslumui
    elif tache in ["ocr", "graphique", "defaut_produit"]:
        detail = "high"
    # Numatytoji → leisti modeliui spręsti
    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}"}
        ]
    )

Šis požiūris leidžia žymiai sumažinti žetonų išlaidas paprastoms užduotims, kartu išlaikant maksimalų tikslumą ten, kur to reikia.

Svarbiausi punktai

  • Parametras detail valdo vaizdo analizės gylį
  • auto (numatytoji) leidžia modeliui spręsti – tai rekomenduojamas pasirinkimas
  • low yra greitas ir ekonomiškas, tinkamas klasifikavimo užduotims
  • high yra lėtas, bet tikslus, tinkamas OCR ir smulkiai analizei
  • Pritaikyk išsamumo lygį pagal užduoties tipą, kad optimizuotum išlaidas