Tokens de Imagem: De 256 a 1792
Nesta página
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:lowconsome o mínimo,highconsome 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_tokensfornece a contagem exata - O parâmetro
detailé 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