Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Žetonai vaizdams: nuo 256 iki 1792

Paskaita 3 iš 12 Atnaujinta 2026 m. liepos 30 d. Pradedantisiems
Šiame puslapyje
  1. Kaip vaizdai eikvoja žetonus
  2. Diapazonas: nuo 256 iki 1792 žetonų
  3. Žetonų suvartojimo stebėjimas
  4. Detalumo lygio įtaka žetonams
  5. Multimodalinės užklausos kainos apskaičiavimas
  6. Žetonų suvartojimo optimizavimas
  7. Stebėjimas gamybinėje aplinkoje
  8. Svarbiausi punktai

Kaip vaizdai eikvoja žetonus

Kai siunti vaizdą į „Grok“, jis prieš analizę paverčiamas žetonais. Skirtingai nei tekste, kur žetonas maždaug atitinka žodį, vaizdo žetonų skaičius priklauso nuo vaizdo dydžio ir pageidaujamo detalumo lygio.

Suprasti šį mechanizmą būtina norint numatyti išlaidas ir tinkamai sukonfigūruoti savo užklausas.

Diapazonas: nuo 256 iki 1792 žetonų

Kiekvienas API siunčiamas vaizdas sunaudoja nuo 256 iki 1792 žetonų. Šis didelis svyravimas lemiamas kelių veiksnių:

  • Vaizdo skiriamoji geba: 256x256 pikselių vaizdas sunaudoja mažiau žetonų nei 4096x4096 vaizdas.
  • Parametras detail: reikšmė low sunaudoja minimumą, high – maksimumą.
  • Vaizdo turinys: sudėtingas vaizdas su daugybe detalių „auto“ režimu gali lemti didesnį suvartojimą.

Žetonų suvartojimo stebėjimas

„xAI“ API atsakyme pateikia tikslų vaizdo žetonų skaičių. Jį rasi lauke usage:

{
  "usage": {
    "prompt_tokens": 2048,
    "completion_tokens": 150,
    "total_tokens": 2198,
    "prompt_tokens_details": {
      "image_tokens": 1024,
      "text_tokens": 1024
    }
  }
}

Laukas prompt_tokens_details.image_tokens tiksliai nurodo, kiek žetonų sunaudojo tavo užklausoje esantys vaizdai. Tai nepakeičiamas įrankis stebint išlaidas gamybinėje aplinkoje.

Detalumo lygio įtaka žetonams

Parametras detail yra pagrindinis svertas valdyti vaizdo žetonų suvartojimą:

# Tas pats vaizdas, labai skirtingi žetonų rezultatai
# detail: low  → ~256 vaizdo žetonai
# detail: auto → ~512-1024 vaizdo žetonai (kintama)
# detail: high → ~1024-1792 vaizdo žetonai

Režimu low vaizdas prieš analizę sumažinamas iki mažesnės skiriamosios gebos. Modelis gauna mažiau informacijos, tačiau sunaudoja gerokai mažiau žetonų.

Režimu high vaizdas padalijamas į didelės skiriamosios gebos plyteles. Kiekviena plytelė analizuojama atskirai, o tai padaugina žetonų skaičių, tačiau leidžia modeliui perskaityti smulkų tekstą arba aptikti subtilias detales.

Multimodalinės užklausos kainos apskaičiavimas

Norėdamas įvertinti užklausos su vaizdais kainą, sudėk teksto ir vaizdo žetonus:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Įvertink vaizdo žetonus pagal lygį
    image_tokens = {
        "low": 256,
        "auto": 768,   # numatomas vidurkis
        "high": 1536    # numatomas vidurkis
    }

    total_image = num_images * image_tokens[detail]
    total = total_image + text_tokens

    # Orientacinė kaina už milijoną žetonų (įvestis)
    price_per_million = 2.00  # grok-4.5 įvestis — patikrink dabartinę kainodarą
    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}"
    }

Žetonų suvartojimo optimizavimas

Keisk dydį prieš siųsdamas

Jei tavo vaizdas labai didelis, bet tau nereikia maksimalios skiriamosios gebos, pakeisk jo dydį prieš siųsdamas:

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}"

Pasirink tinkamą formatą

  • JPEG: lengvesnis, idealus nuotraukoms ir vaizdams su daugybe spalvų.
  • PNG: sunkesnis, bet be nuostolių, tinkamas ekrano kopijoms ir diagramoms su tekstu.

Grupuok protingai

Jei analizuoji vaizdų grupę, sugrupuok tuos, kuriems reikia to paties detalumo lygio, į atskiras užklausas, užuot maišęs low ir high vienoje užklausoje.

Stebėjimas gamybinėje aplinkoje

Gamybinėje aplinkoje sistemingai registruok vaizdo žetonus, kad aptiktum staigius šuolius:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_image", "image_url": url},
        {"type": "input_text", "text": prompt}
    ]
)

# Registruok žetonus
usage = response.usage
print(f"Vaizdo žetonai : {usage.prompt_tokens_details.image_tokens}")
print(f"Teksto žetonai : {usage.prompt_tokens_details.text_tokens}")
print(f"Iš viso užklausa : {usage.prompt_tokens}")

Kainodara 2026 m. rugpjūčio 5 d. – kainos keičiasi reguliariai: prieš atlikdami bet kokius biudžeto skaičiavimus, patikrinkite dabartinę kainodarą oficialioje „xAI“ modelių ir kainodaros puslapyje.

Svarbiausi punktai

  • Vaizdai sunaudoja nuo 256 iki 1792 žetonų, priklausomai nuo jų dydžio ir detalumo lygio.
  • Laukas prompt_tokens_details.image_tokens pateikia tikslų skaičių.
  • Parametras detail yra pagrindinis svertas suvartojimui valdyti.
  • Vaizdų dydžio keitimas prieš siunčiant sumažina žetonų skaičių neaukojant kokybės paprastoms užduotims.
  • Stebėk vaizdo žetonus gamybinėje aplinkoje, kad galėtum numatyti išlaidas.