Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Ottimizza t-tokens tal-immaġni

Lezzjoni 10 / 12 Aġġornat 30 ta’ Lulju 2026 Bidbieni
F'din il-paġna
  1. Ikkontrolla l-ispejjeż tiegħek fil-produzzjoni
  2. Strateġija 1: Agħżel il-livell xieraq ta’ dettall
  3. Strateġija 2: Ibiddel id-daqs qabel ma tibgħat
  4. Strateġija 3: Pipeline b’żewġ pass
  5. Strateġija 4: Caching
  6. Immonitorja u avża
  7. Punti Ewlenin

Ikkontrolla l-ispejjeż tiegħek fil-produzzjoni

Fil-produzzjoni, it-tokens tal-immaġni jistgħu jiffurmaw sehem sinifikanti mill-kont tal-API tiegħek. Immaġni waħda fil-modalità high tikkonsma sa 1,792 token—ekwivalenti għal diversi paragrafi ta’ test. Immultiplika dan b’mijiet jew eluf ta’ talbiet kuljum, u l-ottimizzazzjoni ssir neċessità.

Strateġija 1: Agħżel il-livell xieraq ta’ dettall

Il-parametru detail huwa l-leva primarja ta’ ottimizzazzjoni tiegħek. L-iżball l-aktar komuni huwa li tuża high b’mod awtomatiku meta low jew auto ikunu biżżejjed fil-biċċa l-kbira tal-każijiet.

Matriċi tad-deċiżjoni

Kompitu Dettall rakkomandat Tokens stmati
Klassifikazzjoni tal-immaġni low ~256
Deskrizzjoni ġenerali auto ~512-768
Test alternattiv / aċċessibbiltà low ~256
Moderazzjoni tal-kontenut auto ~512-768
OCR / estrazzjoni tat-test high ~1024-1792
Analiżi ta' graffs high ~1024-1792
Rilevament ta' difetti high ~1024-1792

Strateġija 2: Ibiddel id-daqs qabel ma tibgħat

Immaġni b’riżoluzzjoni għolja (4K, 8K) rari huma meħtieġa għall-analiżi tal-AI. Jekk tibdel id-daqs tal-immaġni tiegħek b’mod konsistenti qabel ma tibgħatha, tonqos it-tokens mingħajr impatt perċettibbli fuq il-kwalità tal-analiżi.

from PIL import Image
import io
import base64

class OptimiseurImage:
    TAILLES_PAR_TACHE = {
        "classification": (512, 512),
        "description": (1024, 1024),
        "ocr": (2048, 2048),
        "comparison": (800, 800),
    }

    @staticmethod
    def optimiser(chemin, tache="description", qualite=85):
        taille_max = OptimiseurImage.TAILLES_PAR_TACHE.get(
            tache, (1024, 1024)
        )

        img = Image.open(chemin)

        # Do not enlarge small images
        if img.width <= taille_max[0] and img.height <= taille_max[1]:
            pass
        else:
            img.thumbnail(taille_max)

        # Convert to JPEG to reduce size
        if img.mode in ("RGBA", "P"):
            img = img.convert("RGB")

        buffer = io.BytesIO()
        img.save(buffer, "JPEG", quality=qualite)
        buffer.seek(0)

        encoded = base64.standard_b64encode(buffer.read()).decode()
        return f"data:image/jpeg;base64,{encoded}"

Strateġija 3: Pipeline b’żewġ pass

Għal volumi għoljin, uża pipeline b’żewġ pass—ewwel pass mgħaġġel f’low biex tissortja, imbagħad it-tieni pass f’high biss għall-immaġni li jeħtieġuha:

def pipeline_deux_passes(images):
    # Pass 1: fast classification (low)
    classifications = []
    for img in images:
        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": img, "detail": "low"},
                {"type": "input_text", "text": "Classify: document, photo, chart, other. One word."}
            ],
            store=False
        )
        classifications.append({
            "url": img,
            "type": response.output_text.strip().lower()
        })

    # Pass 2: detailed analysis (high) only if necessary
    resultats = []
    for item in classifications:
        if item["type"] in ("document", "chart"):
            detail = "high"
        else:
            detail = "auto"

        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": item["url"], "detail": detail},
                {"type": "input_text", "text": "Detailed analysis of this image."}
            ],
            store=False
        )
        resultats.append(response.output_text)

    return resultats

Strateġija 4: Caching

Jekk tanalizza l-istess immaġni diversi drabi (testijiet, żvilupp, demo), ikkaxxja r-riżultati:

import hashlib
import json

cache = {}

def vision_avec_cache(image_url, prompt, detail="auto"):
    # Create a unique key
    cle = hashlib.sha256(
        f"{image_url}:{prompt}:{detail}".encode()
    ).hexdigest()

    if cle in cache:
        return cache[cle]

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

    cache[cle] = response.output_text
    return response.output_text

Immonitorja u avża

Ippara traċċar tal-ispejjeż biex tiskopri qbiż:

def monitorer_tokens(response, seuil_alerte=5000):
    usage = response.usage
    image_tokens = usage.prompt_tokens_details.image_tokens

    if image_tokens > seuil_alerte:
        print(f"ALERT: {image_tokens} image tokens (threshold: {seuil_alerte})")

    return {
        "image_tokens": image_tokens,
        "text_tokens": usage.prompt_tokens_details.text_tokens,
        "total": usage.total_tokens
    }

Punti Ewlenin

  • Agħżel il-livell ta’ detail adattat għall-kompitu—low meta jkun biżżejjed
  • Ibiddel id-daqs tal-immaġni qabel ma tibgħatha biex tnaqqas il-konsum
  • Uża pipeline b’żewġ pass għal volumi għoljin
  • Ikkaxxja r-riżultati biex tevita sejħiet redundanti
  • Immonitorja t-tokens tal-immaġni fil-produzzjoni biex tbassar l-ispejjeż