Batchgeneratie en de parameter n
Op deze pagina
Bijgewerkt op 2 november 2026 — Imagine.
grok-imagine-image-qualityis verwijderd op 2 november 2026 (aanvragen worden nu bediend door Imagine 2.0 inlowkwaliteit): voorbeelden gebruiken nugrok-imagine-image(Imagine 1.0) engrok-imagine-image-2.0(Imagine 2.0,low,medium, ofautokwaliteit). Met de OpenAI SDK wordenaspect_ratio,resolutionenqualitydoorgegeven viaextra_body, en bewerkingen worden afgehandeld via de xAI SDK of een HTTP-verzoek.
Meerdere afbeeldingen genereren in één verzoek
De parameter n in de generatie-API stelt u in staat om tot 10 afbeeldingen te produceren vanuit één prompt. Elke afbeelding is een unieke variatie, waardoor u een reeks keuzes heeft om het beste resultaat te selecteren of een galerij van visuals samen te stellen.
De parameter n in detail
De parameter n accepteert een geheel getal tussen 1 en 10, en staat standaard op 1. De echte waarde ligt in een eigenschap van beeldgeneratie die gemakkelijk wordt vergeten: het resultaat is niet-deterministisch. Dezelfde prompt levert elke keer dat u deze aanroept verschillende afbeeldingen op, en geen enkele is “correcter” dan een andere. Het in één keer genereren van vier variaties is geen verspilling; het is de erkenning dat u vooraf niet weet welke het beste zal werken.
from openai import OpenAI
import os
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1"
)
# Genereer 5 variaties
response = client.images.generate(
model="grok-imagine-image",
prompt="A zen Japanese garden with a red bridge, ukiyo-e style",
n=5,
extra_body={"aspect_ratio": "16:9", "resolution": "1k"},
)
for i, image in enumerate(response.data):
print(f"Variation {i + 1}: {image.url}")
Impact op kosten en tariefslimieten
Het belangrijkste punt om te begrijpen voordat u hierop een pipeline bouwt: n=10 is geen korting. U betaalt voor tien afbeeldingen en verbruikt tien eenheden van uw tariefslimiet, precies zoals bij tien aparte oproepen. Het enige voordeel is het netwerk—één round-trip in plaats van tien—wat de latentie helpt, maar het budget niet wijzigt.
| Parameter | n=1 | n=5 | n=10 |
|---|---|---|---|
| Kosten (Imagine 1.0) | $0.02 | $0.10 | $0.20 |
| Kosten (Imagine 2.0, low) | $0.04 | $0.20 | $0.40 |
| Gegenereerde afbeeldingen | 1 | 5 | 10 |
Een verzoek met n=10 verbruikt hetzelfde budget als 10 individuele verzoeken met n=1, maar het is sneller omdat het slechts één netwerkaanroep vereist.
Selectiestrategieën
Tien variaties genereren zonder sorteermethode verplaatst het probleem slechts: u had één onzekere afbeelding, nu heeft u tien afbeeldingen om te beoordelen. De eerste vraag die beantwoord moet worden, is het criterium: esthetisch, waarbij het menselijk oog onovertroffen blijft; of verifieerbaar (is het product zichtbaar, is de tekst leesbaar, is het formaat gerespecteerd), waarbij automatisering mogelijk wordt.
Handmatige selectie
Voor kritieke gevallen (reclame, boekomslagen) downloadt u alle variaties en vergelijkt u ze visueel:
import urllib.request
response = client.images.generate(
model="grok-imagine-image-2.0",
prompt="Science fiction book cover, organic spaceship",
n=8,
extra_body={"aspect_ratio": "3:4", "resolution": "2k"},
)
for i, image in enumerate(response.data):
urllib.request.urlretrieve(image.url, f"variation_{i + 1}.png")
print(f"Variation {i + 1} saved")
Geautomatiseerde selectie
Een vision-model de afbeeldingen laten beoordelen werkt onder één voorwaarde: het criterium moet feitelijk zijn. “Bevat deze afbeelding een product gecentreerd op een effen achtergrond?” krijgt een betrouwbaar antwoord; “welke is het mooist?” krijgt een willekeurig antwoord dat met zelfvertrouwen wordt gepresenteerd. Formuleer verifieerbare criteria en houd de esthetische beoordeling voor uzelf.
def generate_and_select(prompt, n=5):
"""Generate n variations and return all URLs."""
response = client.images.generate(
model="grok-imagine-image",
prompt=prompt,
n=n
)
return [image.url for image in response.data]
Batchen van meerdere prompts
Om afbeeldingen te genereren vanuit meerdere verschillende prompts, combineert u de oproepen:
prompts = [
"Illustration of a Parisian café, impressionist style",
"Aerial view of terraced rice fields, photographic style",
"Interior of an old library, dim lighting"
]
all_results = {}
for prompt in prompts:
response = client.images.generate(
model="grok-imagine-image",
prompt=prompt,
n=3
)
all_results[prompt] = [img.url for img in response.data]
# 3 prompts x 3 variaties = 9 afbeeldingen, totale kosten: $0.18
Batch-downloaden
Dit is de gewoonte die u vanaf de eerste regel code moet opbouwen, niet pas bij implementatie in productie: URL’s verlopen. Een batch van tien afbeeldingen die ‘s ochtends wordt gegenereerd en ‘s avonds wordt gedownload, is een verloren batch—en u zult er opnieuw voor moeten betalen.
import urllib.request
import os
def download_batch(response, output_dir="generated"):
"""Download all images from a response."""
os.makedirs(output_dir, exist_ok=True)
for i, image in enumerate(response.data):
filepath = os.path.join(output_dir, f"image_{i + 1}.png")
urllib.request.urlretrieve(image.url, filepath)
print(f"{len(response.data)} images saved in {output_dir}/")
Prijzen per 5 augustus 2026 — prijzen wijzigen regelmatig: controleer voor elke budgetberekening de huidige tarievenkaart op de officiële xAI-modellen en prijzenpagina.
Belangrijkste punten
- De parameter
nstelt u in staat om 1 tot 10 variaties per verzoek te genereren - Elke afbeelding telt individueel mee voor de facturatie
- Genereren in batch (één verzoek met n>1) is sneller dan n individuele verzoeken
- Download resultaten onmiddellijk omdat URL’s tijdelijk zijn
- Gebruik n=3 tot 5 om te verkennen, n=1 voor gerichte productie