Ierobežojumi: Formāti, izmērs un limiti
Šajā lapā
Pamatnoteikumi
Pirms integrē Grok redzes spējas savās lietotnēs, tev jāzina tehniskie ierobežojumi, ko uzliek xAI API. Šo limitu ignorēšana noved pie klusām kļūdām vai noraidītiem pieprasījumiem, ko ražošanas vidē ir grūti atkļūdot.
Pieņemtie attēlu formāti
xAI API pieņem divus attēlu failu formātus (trīs paplašinājumus: .jpg, .jpeg, .png):
- JPG (jeb JPEG) — visizplatītākais formāts fotogrāfijām
- PNG — piemērots ekrānuzņēmumiem, diagrammām un attēliem ar tekstu
Visi pārējie formāti tiek noraidīti. Ja strādā ar WebP, GIF, BMP, TIFF, SVG vai HEIC attēliem, tie pirms nosūtīšanas ir jākonvertē:
from PIL import Image
def convert_to_jpeg(source_path, output_path):
img = Image.open(source_path)
# Konvertē uz RGB (nepieciešams JPEG)
if img.mode in ("RGBA", "P"):
img = img.convert("RGB")
img.save(output_path, "JPEG", quality=90)
Izplatīta kļūda: RGBA attēli
PNG faili ar caurspīdīgumu (alfa kanālu) tiek pieņemti tādi, kādi ir. Tomēr, ja konvertē tos uz JPEG, vispirms ir jānoņem alfa kanāls, jo JPEG neatbalsta caurspīdīgumu.
Maksimālais izmērs: 20 MiB
Katram attēlam jābūt ne lielākam par 20 MiB (20 971 520 baiti). Pārsniedzot šo robežu, API noraida pieprasījumu.
Šis limits attiecas:
- uz lejupielādēto failu URL gadījumā
- uz dekodētajiem datiem Base64 gadījumā (nevis uz pašu kodēto virkni, kas ir par ~33 % garāka)
Pārbaudi izmēru pirms nosūtīšanas
import os
def check_size(image_path, max_mib=20):
size = os.path.getsize(image_path)
size_mib = size / (1024 * 1024)
if size_mib > max_mib:
raise ValueError(
f"Attēls ir pārāk liels: {size_mib:.1f} MiB "
f"(maks. {max_mib} MiB)"
)
return size_mib
Saspiest, ja nepieciešams
Attēliem, kas ir tuvu limitam, vari samazināt JPEG kvalitāti:
def compress_image(path, quality=80, max_size_mib=20):
img = Image.open(path)
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=quality)
while buffer.tell() > max_size_mib * 1024 * 1024 and quality > 20:
quality -= 10
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=quality)
buffer.seek(0)
return buffer
Attēlu skaits vienā pieprasījumā: neierobežots
Atšķirībā no citām redzes API, kas ierobežo attēlu skaitu vienā pieprasījumā, xAI API neuzliek nekādus limitus. Vienā pieprasījumā vari nosūtīt tik daudz attēlu, cik nepieciešams.
Tomēr ņem vērā, ka:
- Katrs attēls patērē no 256 līdz 1792 tokeniem
- Modeļa kopējais konteksts ir maksimāla izmēra
- Vairāk attēlu = lielāka latentce un augstākas izmaksas
Praktisks ieteikums
Lai gan limits teorētiski ir neierobežots, ievēro saprātīgumu:
# Labākā prakse: apstrādāt partijās
def analyze_batch(images, batch_size=10):
results = []
for i in range(0, len(images), batch_size):
batch = images[i:i + batch_size]
input_data = []
for img in batch:
input_data.append({
"type": "input_image",
"image_url": img,
"detail": "low"
})
input_data.append({
"type": "input_text",
"text": "Īsi apraksti katru attēlu."
})
response = client.responses.create(
model="grok-4.5",
input=input_data
)
results.append(response)
return results
Saderīgi modeļi
Attēlu izpratne ir pieejama modeļos grok-4.5 un jaunākos. Vecāki modeļi šo funkciju neatbalsta.
Vienmēr pārbaudi kodā izmantoto modeli:
VISION_MODELS = ["grok-4.5", "grok-4.20-0309-reasoning"]
def supports_vision(model):
return any(model.startswith(m) for m in VISION_MODELS)
Kļūdu apstrāde
Prognozē ar ierobežojumiem saistītas kļūdas, validējot attēlus pirms nosūtīšanas:
def validate_image(path):
errors = []
# Pārbaudi formātu
extension = path.lower().rsplit(".", 1)[-1]
if extension not in ("jpg", "jpeg", "png"):
errors.append(f"Neatbalstīts formāts: {extension}")
# Pārbaudi izmēru
size_mib = os.path.getsize(path) / (1024 * 1024)
if size_mib > 20:
errors.append(f"Pārāk liels: {size_mib:.1f} MiB (maks. 20)")
# Pārbaudi, vai tas ir īsts attēls
try:
img = Image.open(path)
img.verify()
except Exception:
errors.append("Bojāts fails vai nederīgs attēls")
return errors
Galvenās atziņas
- Tiek pieņemti tikai JPG/JPEG un PNG formāti — pārējie ir jākonvertē
- Maksimālais izmērs: 20 MiB uz vienu attēlu — saspiest, ja nepieciešams
- Attēlu skaits vienā pieprasījumā ir neierobežots, taču katrs attēls patērē tokenus
- Tikai modeļi grok-4.5 un jaunāki atbalsta redzes funkcijas
- Vienmēr validē attēlus pirms nosūtīšanas, lai izvairītos no klusām kļūdām