Parameter detail: auto, low en high
Op deze pagina
Analyseprecisie sturen
Wanneer u een afbeelding naar Grok stuurt, kunt u het detailniveau van de analyse sturen met de parameter detail. Deze parameter heeft directe invloed op de kwaliteit van het antwoord, de verwerkingstijd en het tokenverbruik.
Inzicht in deze parameter is essentieel om kosten te optimaliseren en de precisie af te stemmen op elke use case.
De drie detailniveaus
De xAI-API biedt drie waarden voor de parameter detail:
Auto (standaardwaarde)
Als u de parameter detail niet opgeeft, gebruikt het model auto. Het bepaalt automatisch het benodigde detailniveau op basis van de afbeelding en uw prompt.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg"
}
Dit is het aanbevolen gedrag voor de meeste use cases. Het model past zijn analysestrategie aan op basis van de waargenomen complexiteit van de afbeelding en de gestelde vraag.
Low (snel en zuinig)
De modus low voert een snelle afbeeldingsanalyse uit met minder tokens. Dit is de ideale keuze wanneer u een algemeen begrip nodig heeft zonder in te gaan op fijne details.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "low"
}
Use cases voor low:
- Inhoud van een afbeelding classificeren (landschap, portret, document, enz.)
- Het hoofdonderwerp van een foto identificeren
- Snel een batch afbeeldingen sorteren
- Controleren of een afbeelding voldoet aan een eenvoudig criterium
High (langzaam en gedetailleerd)
De modus high forceert een exhaustieve afbeeldingsanalyse. Het model onderzoekt elke zone op maximale resolutie, wat meer tokens verbruikt maar veel nauwkeurigere beschrijvingen oplevert.
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "high"
}
Use cases voor high:
- Fijne tekst in een afbeelding lezen (OCR)
- Grafieken met gedetailleerde legenda’s analyseren
- Defecten in productfoto’s detecteren
- Screenshots van complexe interfaces onderzoeken
De niveaus vergelijken
| Parameter | Snelheid | Tokens | Precisie |
|---|---|---|---|
| auto | Variabel | Variabel | Adaptief |
| low | Snel | Minder tokens | Algemeen |
| high | Langzaam | Meer tokens | Gedetailleerd |
Syntaxis per API
De parameter detail wordt op verschillende plaatsen geplaatst, afhankelijk van de gebruikte API.
Responses API (aanbevolen)
response = client.responses.create(
model="grok-4.5",
input=[
{
"type": "input_image",
"image_url": "https://exemple.com/photo.jpg",
"detail": "high"
},
{
"type": "input_text",
"text": "Read all visible text in this image."
}
]
)
Chat Completions API (verouderd)
response = client.chat.completions.create(
model="grok-4.5",
messages=[{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://exemple.com/photo.jpg",
"detail": "high"
}
},
{
"type": "text",
"text": "Read all visible text in this image."
}
]
}]
)
Merk op dat bij Chat Completions detail genest is binnen het object image_url, terwijl deze bij de Responses API op hetzelfde niveau staat als image_url.
Optimalisatiestrategie
In productie is het een best practice om het detailniveau aan te passen op basis van het type taak:
def analyser_image(image_url, tache):
# Eenvoudige taken → low om kosten te besparen
if tache in ["classifier", "trier", "identifier_sujet"]:
detail = "low"
# Complexe taken → high voor precisie
elif tache in ["ocr", "graphique", "defaut_produit"]:
detail = "high"
# Standaard → laat het model beslissen
else:
detail = "auto"
return client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": detail},
{"type": "input_text", "text": f"Task: {tache}"}
]
)
Met deze aanpak kunt u de tokenkosten voor eenvoudige taken aanzienlijk verlagen, terwijl u daar waar nodig maximale precisie behoudt.
Belangrijkste punten
- De parameter
detailstuurt de diepgang van de afbeeldingsanalyse auto(standaard) laat het model beslissen; dit is de aanbevolen keuzelowis snel en zuinig, geschikt voor classificatietakenhighis langzaam maar nauwkeurig, geschikt voor OCR en fijnmazige analyse- Stem het detailniveau af op het type taak om kosten te optimaliseren