Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Numru Illimitat ta' Stampi għal Kull Talba

Lezzjoni 11 / 12 Aġġornat 30 ta’ Lulju 2026 Bidbieni
F'din il-paġna
  1. Vantaġġ Kompetittiv tal-API xAI
  2. X’Ifisser Verament “Illimitat”
  3. Rakkomandazzjonijiet Prattiċi Skont il-Volum
  4. Arkitetturi Multi-Immaġni fil-Produzzjoni
  5. Ġestjoni tal-Iżbalji ma’ Settijiet Kbar ta’ Stampi
  6. Punti Ewlenin

Vantaġġ Kompetittiv tal-API xAI

L-API xAI tispikka fuq il-kompetituri f’punt tekniku ewlieni wieħed: ma timponi l-ebda limitu fuq in-numru ta’ stampi li tista’ tibgħat f’talba waħda. Fejn APIs oħra jillimitawk għal 4, 10, jew 20 stampa, Grok jaċċetta kemm trid.

Din il-flessibbiltà tiftaħ użi li huma impossibbli band’oħra, iżda teħtieġ ukoll fehim sod tal-implikazzjonijiet prattiċi.

X’Ifisser Verament “Illimitat”

L-ebda limitu fuq in-numru ta’ stampi ma jfisser l-ebda restrizzjoni. Diversi fatturi jillimitaw naturalment kemm tista’ tibgħat stampi b’mod effettiv:

Tieqa tal-Kuntest (Context Window)

Il-mudell għandu tieqa tal-kuntest fissa. Kull stampa tikkonsma bejn 256 u 1792 token. Jekk tibgħat 50 stampa fil-modalità high, potenzjalment tuża 89,600 token għall-istampi biss, u jħallik ftit spazju għat-test u r-risposta.

Kwalità tal-Analiżi

Wara ċertu numru ta’ stampi, il-kwalità tal-analiżi tonqos. Il-mudell irid jifred l-attenzjoni tiegħu fuq l-istampi kollha, li jista’ jwassal għal deskrizzjonijiet superfiċjali jew omissjonijiet.

Latenza u Timeout

Aktar stampi tibgħat, aktar tieħu l-ipproċessar. B’timeout rakkomandat ta’ 3600 sekonda għal mudelli ta’ raġunament, talbiet kbar ħafna jistgħu jersqu qrib dan il-limitu.

Rakkomandazzjonijiet Prattiċi Skont il-Volum

Numru ta' Stampi Rakkomandazzjoni Dettall Sugġerit
1-3 Analiżi dettaljata possibbli high
4-10 Tqabbil effiċjenti auto
11-20 Klassifikazzjoni f'lotti low
20+ Aqsam f'sottotalbiet low

Arkitetturi Multi-Immaġni fil-Produzzjoni

Mudell: Ipproċessar Sekwenzjali b’Aggregazzjoni

Biex tanalizza numru kbir ta’ stampi, ipproċessahom f’lotti u mbagħad aggrega r-riżultati:

import json

def analyser_catalogue(images, taille_lot=8):
    """Janalizza katalogu ta' stampi f'lotti."""
    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"Stampa {i + j}:"
            })
            input_data.append({
                "type": "input_image",
                "image_url": img,
                "detail": "low"
            })

        input_data.append({
            "type": "input_text",
            "text": """Għal kull stampa, identifika f'JSON:
{"number": N, "category": "...", "short_description": "..."}
Irritorna array JSON."""
        })

        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

Mudell: Filtru tal-Funnella (Funnel Filtering)

Ibda b’għażla rapida fuq l-istampi kollha, imbagħad agħmel analiżi fil-fond biss dawk rilevanti:

def entonnoir_analyse(images, critere):
    """Jiffiltra u mbagħad janalizza fil-fond."""
    # Pass 1: Filtrazzjoni rapida
    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"""Fost dawn l-{len(images)} stampi, liema minnhom
jaqblu mal-kriterji: "{critere}"?
Irritorna biss in-numri (indiċi bbażat fuq 0) f'JSON: [0, 3, 7]"""
    })

    response = client.responses.create(
        model="grok-4.5", input=input_data, store=False
    )

    indices = json.loads(response.output_text)

    # Pass 2: Analiżi fil-fond tal-istampi ffiltrati
    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": "Analiżi dettaljata ta' din l-istampa."}
            ],
            store=False
        )
        resultats.append({"index": idx, "analysis": response_detail.output_text})

    return resultats

Ġestjoni tal-Iżbalji ma’ Settijiet Kbar ta’ Stampi

Meta taħdem ma’ numru kbir ta’ stampi, l-iżbalji huma aktar probabbli. Implimenta ġestjoni robusta:

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  # Backoff esponenzjali
                time.sleep(delai)
            else:
                raise e

Punti Ewlenin

  • L-API xAI taċċetta numru illimitat ta’ stampi, iżda t-tieqa tal-kuntest tibqa’ finita
  • Wara 10 stampi, uża detail: "low" biex tippreżerva l-kwalità tal-analiżi
  • Wara 20 stampa, aqsam f’sottotalbiet għall-affidabbiltà
  • Il-mudell tal-”funnella” (filtrazzjoni rapida mbagħad analiżi dettaljata) huwa l-aktar effettiv għal volumi kbar
  • Implimenta tentattivi mill-ġdid (retries) b’backoff esponenzjali għal talbiet kbar