Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Tokens de Imagem: De 256 a 1792

Aula 3 de 12 Atualizada a 30 de julho de 2026 Iniciante
Nesta página
  1. Como as imagens consomem tokens
  2. O intervalo: 256 a 1792 tokens
  3. Monitorizar o consumo de tokens
  4. Impacto do nível de detalhe nos tokens
  5. Calcular o custo de um pedido multimodal
  6. Otimizar o consumo de tokens
  7. Monitorização em produção
  8. Pontos-chave

Como as imagens consomem tokens

Quando envia uma imagem para o Grok, esta é convertida em tokens antes de o modelo a analisar. Ao contrário do texto, onde um token corresponde aproximadamente a uma palavra, os tokens de imagem dependem do tamanho da imagem e do nível de detalhe solicitado.

Compreender este mecanismo é essencial para antecipar custos e dimensionar os seus pedidos.

O intervalo: 256 a 1792 tokens

Cada imagem enviada para a API consome entre 256 e 1792 tokens. Esta variação significativa deve-se a vários fatores:

  • Resolução da imagem: uma imagem de 256x256 píxeis consome menos tokens do que uma imagem de 4096x4096
  • O parâmetro detail: low consome o mínimo, high consome o máximo
  • Conteúdo da imagem: uma imagem complexa com muitos detalhes pode resultar num consumo mais elevado no modo auto

Monitorizar o consumo de tokens

A API da xAI fornece uma contagem precisa dos tokens de imagem na resposta. Encontrá-la-á no campo usage:

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

O campo prompt_tokens_details.image_tokens indica-lhe exatamente quantos tokens as imagens no seu pedido consumiram. Esta é uma ferramenta indispensável para monitorizar os seus custos em produção.

Impacto do nível de detalhe nos tokens

O parâmetro detail é a principal alavanca para controlar o consumo de tokens de imagem:

# Mesma imagem, resultados de tokens muito diferentes
# detail: low  → ~256 tokens de imagem
# detail: auto → ~512-1024 tokens de imagem (variável)
# detail: high → ~1024-1792 tokens de imagem

No modo low, a imagem é redimensionada para uma resolução reduzida antes da análise. O modelo recebe menos informações, mas consome significativamente menos tokens.

No modo high, a imagem é dividida em blocos (tiles) de alta resolução. Cada bloco é analisado separadamente, o que multiplica o número de tokens, mas permite ao modelo ler texto fino ou detetar detalhes subtis.

Calcular o custo de um pedido multimodal

Para estimar o custo de um pedido com imagens, combine os tokens de texto e de imagem:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Estimar tokens de imagem por nível
    image_tokens = {
        "low": 256,
        "auto": 768,   # média estimada
        "high": 1536    # média estimada
    }

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

    # Preço indicativo por milhão de tokens (entrada)
    price_per_million = 2.00  # entrada grok-4.5 — verifique a tabela de preços atual
    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}"
    }

Otimizar o consumo de tokens

Redimensionar antes de enviar

Se a sua imagem for muito grande, mas não precisar da resolução máxima, redimensione-a antes de enviar:

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}"

Escolher o formato adequado

  • JPEG: mais leve, ideal para fotografias e imagens com muitas cores
  • PNG: mais pesado, mas sem perdas, adequado para capturas de ecrã e diagramas com texto

Agrupar de forma inteligente

Se analisar um lote de imagens, agrupe aquelas que exigem o mesmo nível de detalhe em pedidos separados, em vez de misturar low e high num único pedido.

Monitorização em produção

Em produção, registe sistematicamente os tokens de imagem para detetar picos:

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

# Registar tokens
usage = response.usage
print(f"Tokens de imagem : {usage.prompt_tokens_details.image_tokens}")
print(f"Tokens de texto : {usage.prompt_tokens_details.text_tokens}")
print(f"Total do prompt : {usage.prompt_tokens}")

Preços atualizados a 5 de agosto de 2026 — os preços alteram-se regularmente: antes de qualquer cálculo orçamental, consulte a tabela de preços atual na página oficial de modelos e preços da xAI.

Pontos-chave

  • As imagens consomem entre 256 e 1792 tokens, dependendo do seu tamanho e nível de detalhe
  • O campo prompt_tokens_details.image_tokens fornece a contagem exata
  • O parâmetro detail é a principal alavanca para controlar o consumo
  • Redimensionar imagens antes do envio reduz os tokens sem sacrificar a qualidade em tarefas simples
  • Monitore os tokens de imagem em produção para antecipar custos