Neierobežots attēlu skaits vienā pieprasījumā
Šajā lapā
xAI API konkurētspējīgā priekšrocība
xAI API izceļas starp konkurentiem ar vienu galveno tehnisko aspektu: tas neuzliek nekādus limitus attēlu skaitam, ko vari nosūtīt vienā pieprasījumā. Kamēr citas API tevi ierobežo līdz 4, 10 vai 20 attēliem, Grok pieņem tik daudz, cik vēlies.
Šī elastība atver lietojumus, kas citur nav iespējami, taču tā prasa arī dziļu izpratni par praktiskajām sekām.
Ko patiesībā nozīmē „neierobežots”
Tas, ka nav limita attēlu skaitam, nenozīmē, ka nav nekādu ierobežojumu. Vairāki faktori dabiski ierobežo to, cik daudz attēlu vari efektīvi nosūtīt:
Konteksta logs
Modelim ir fiksēts konteksta logs. Katrs attēls patērē no 256 līdz 1792 tokeniem. Ja nosūtīsi 50 attēlus režīmā high, tu potenciāli izmantosi 89 600 tokenus tikai attēliem, atstājot ļoti maz vietas tekstam un atbildei.
Analīzes kvalitāte
Pārsniedzot noteiktu attēlu skaitu, analīzes kvalitāte krītas. Modelim jāsadala uzmanība starp visiem attēliem, kas var novest pie virspusējiem aprakstiem vai izlaidumiem.
Latence un noilgums
Jo vairāk attēlu nosūti, jo ilgāk notiek apstrāde. Ieteicamais noilgums spriežošanas modeļiem ir 3600 sekundes, un ļoti lieli pieprasījumi var tuvināties šim limitam.
Praktiski ieteikumi atkarībā no apjoma
| Attēlu skaits | Ieteikums | Ieteicamā detalizācija |
|---|---|---|
| 1–3 | Iespējama detalizēta analīze | high |
| 4–10 | Efektīva salīdzināšana | auto |
| 11–20 | Partiju klasifikācija | low |
| 20+ | Sadalīt apakšpieprasījumos | low |
Daudzu attēlu arhitektūras ražošanas vidē
Paradums: Secīga apstrāde ar apkopošanu
Lai analizētu lielu attēlu skaitu, apstrādā tos partijās un pēc tam apkopo rezultātus:
import json
def analyser_catalogue(images, taille_lot=8):
"""Analizē attēlu katalogu partijās."""
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"Attēls {i + j}:"
})
input_data.append({
"type": "input_image",
"image_url": img,
"detail": "low"
})
input_data.append({
"type": "input_text",
"text": """Katrai attēlam identificē JSON formātā:
{"number": N, "category": "...", "short_description": "..."}
Atgriez JSON masīvu."""
})
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
Paradums: Piltuves filtrēšana
Sāc ar ātru šķirošanu visiem attēliem, un pēc tam veic dziļu analīzi tikai tiem, kas ir relevanti:
def entonnoir_analyse(images, critere):
"""Filtrē, pēc tam veic dziļu analīzi."""
# 1. solis: Ātra filtrēšana
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"""Kurš no šiem {len(images)} attēliem
atbilst kritērijam: "{critere}"?
Atgriez tikai numurus (indekss no 0) JSON formātā: [0, 3, 7]"""
})
response = client.responses.create(
model="grok-4.5", input=input_data, store=False
)
indices = json.loads(response.output_text)
# 2. solis: Filtrēto attēlu dziļa analīze
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": "Šī attēla detalizēta analīze."}
],
store=False
)
resultats.append({"index": idx, "analysis": response_detail.output_text})
return resultats
Kļūdu apstrāde ar lieliem attēlu kopumiem
Strādājot ar lielu attēlu skaitu, kļūdas ir ticamākas. Implementē robustu apstrādi:
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 # Eksponenciāla atkāpšanās
time.sleep(delai)
else:
raise e
Galvenās atziņas
- xAI API pieņem neierobežotu attēlu skaitu, taču konteksta logs paliek ierobežots
- Pārsniedzot 10 attēlus, izmanto
detail: "low", lai saglabātu analīzes kvalitāti - Pārsniedzot 20 attēlus, sadali pieprasījumus apakšpieprasījumos, lai nodrošinātu uzticamību
- „Piltuves” paradums (ātra filtrēšana, pēc tam detalizēta analīze) ir visefektīvākais lieliem apjomiem
- Lieliem pieprasījumiem implementē atkārtotus mēģinājumus ar eksponenciālu atkāpšanos