Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Image-tokens: van 256 tot 1792

Les 3 van 12 Bijgewerkt op 30 juli 2026 Beginner
Op deze pagina
  1. Hoe afbeeldingen tokens verbruiken
  2. Het bereik: 256 tot 1792 tokens
  3. Tokenverbruik volgen
  4. Impact van detailniveau op tokens
  5. De kosten van een multimodaal verzoek berekenen
  6. Tokenverbruik optimaliseren
  7. Monitoring in productie
  8. Belangrijkste punten

Hoe afbeeldingen tokens verbruiken

Wanneer u een afbeelding naar Grok stuurt, wordt deze omgezet in tokens voordat het model deze analyseert. In tegenstelling tot tekst, waar een token ruwweg overeenkomt met een woord, hangen afbeeldingstokens af van de afbeeldingsgrootte en het gevraagde detailniveau.

Inzicht in dit mechanisme is essentieel om kosten te anticiperen en uw verzoeken correct te dimensioneren.

Het bereik: 256 tot 1792 tokens

Elke afbeelding die naar de API wordt verzonden, verbruikt tussen de 256 en 1792 tokens. Deze aanzienlijke variatie wordt veroorzaakt door verschillende factoren:

  • Afbeeldingsresolutie: een afbeelding van 256x256 pixels verbruikt minder tokens dan een afbeelding van 4096x4096
  • De parameter detail: low verbruikt het minimum, high verbruikt het maximum
  • Afbeeldingsinhoud: een complexe afbeelding met veel details kan leiden tot een hoger verbruik in de modus auto

Tokenverbruik volgen

De xAI-API levert een nauwkeurige telling van afbeeldingstokens in het antwoord. U vindt deze in het veld usage:

{
  "usage": {
    "prompt_tokens": 2048,
    "completion_tokens": 150,
    "total_tokens": 2198,
    "prompt_tokens_details": {
      "image_tokens": 1024,
      "text_tokens": 1024
    }
  }
}

Het veld prompt_tokens_details.image_tokens vertelt u precies hoeveel tokens de afbeeldingen in uw verzoek hebben verbruikt. Dit is een onmisbaar instrument om uw kosten in productie te bewaken.

Impact van detailniveau op tokens

De parameter detail is de belangrijkste hefboom om het verbruik van afbeeldingstokens te sturen:

# Dezelfde afbeelding, zeer verschillende tokenresultaten
# detail: low  → ~256 afbeeldingstokens
# detail: auto → ~512-1024 afbeeldingstokens (variabel)
# detail: high → ~1024-1792 afbeeldingstokens

In de modus low wordt de afbeelding verkleind naar een lagere resolutie voordat deze wordt geanalyseerd. Het model ontvangt minder informatie, maar verbruikt aanzienlijk minder tokens.

In de modus high wordt de afbeelding opgesplitst in tegels met hoge resolutie. Elke tegel wordt apart geanalyseerd, wat het aantal tokens vermenigvuldigt, maar het model in staat stelt fijne tekst te lezen of subtiele details te detecteren.

De kosten van een multimodaal verzoek berekenen

Om de kosten van een verzoek met afbeeldingen te schatten, combineert u tekst- en afbeeldingstokens:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Schatting van afbeeldingstokens per niveau
    image_tokens = {
        "low": 256,
        "auto": 768,   # geschat gemiddelde
        "high": 1536    # geschat gemiddelde
    }

    total_image = num_images * image_tokens[detail]
    total = total_image + text_tokens

    # Richtprijs per miljoen tokens (input)
    price_per_million = 2.00  # grok-4.5 input — controleer het huidige prijsschema
    cost = (total / 1_000_000) * price_per_million

    return {
        "image_tokens": total_image,
        "text_tokens": text_tokens,
        "total_tokens": total,
        "estimated_cost": f"${cost:.4f}"
    }

Tokenverbruik optimaliseren

Vooraf verkleinen

Als uw afbeelding zeer groot is, maar u niet de maximale resolutie nodig heeft, verklein deze dan voordat u deze verzendt:

from PIL import Image
import io
import base64

def optimize_image(path, max_size=(1024, 1024)):
    img = Image.open(path)
    img.thumbnail(max_size)

    buffer = io.BytesIO()
    img.save(buffer, format="JPEG", quality=85)
    buffer.seek(0)

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

Kies het juiste formaat

  • JPEG: lichter, ideaal voor foto’s en afbeeldingen met veel kleuren
  • PNG: zwaarder maar verliesvrij, geschikt voor screenshots en diagrammen met tekst

Intelligently groeperen

Als u een batch afbeeldingen analyseert, groepeer dan diegenen die hetzelfde detailniveau vereisen in aparte verzoeken, in plaats van low en high in één enkel verzoek te mengen.

Monitoring in productie

Log in productie systematisch de afbeeldingstokens om pieken te detecteren:

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

# Log tokens
usage = response.usage
print(f"Image tokens : {usage.prompt_tokens_details.image_tokens}")
print(f"Text tokens : {usage.prompt_tokens_details.text_tokens}")
print(f"Total prompt : {usage.prompt_tokens}")

Prijzen per 5 augustus 2026 — prijzen wijzigen regelmatig: controleer voor elke budgetberekening het huidige prijsschema op de officiële xAI-pagina voor modellen en prijzen.

Belangrijkste punten

  • Afbeeldingen verbruiken tussen de 256 en 1792 tokens, afhankelijk van hun grootte en detailniveau
  • Het veld prompt_tokens_details.image_tokens geeft de exacte telling
  • De parameter detail is de belangrijkste hefboom om het verbruik te sturen
  • Het vooraf verkleinen van afbeeldingen vermindert tokens zonder kwaliteitsverlies voor eenvoudige taken
  • Monitor afbeeldingstokens in productie om kosten te anticiperen