Salt la conținutul principal
Română— Alege o limbă
Meniu

Parametrul detail: auto, low și high

Lecția 2 din 12 Actualizată 30 iulie 2026 Începător
Pe această pagină
  1. Controlul preciziei analizei
  2. Cele trei niveluri de detaliu
  3. Compararea nivelurilor
  4. Sintaxa pe API-uri
  5. Strategia de optimizare
  6. Puncte cheie

Controlul preciziei analizei

Când trimiteți o imagine către Grok, puteți controla nivelul de detaliu al analizei folosind parametrul detail. Acest parametru afectează direct calitatea răspunsului, timpul de procesare și consumul de tokeni.

Înțelegerea acestui parametru este esențială pentru optimizarea costurilor și adaptarea preciziei la fiecare caz de utilizare.

Cele trei niveluri de detaliu

API-ul xAI oferă trei valori pentru parametrul detail:

Auto (valoarea implicită)

Când nu specificați parametrul detail, modelul utilizează auto. Acesta evaluează automat nivelul de detaliu necesar pe baza imaginii și a solicitării dumneavoastră.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg"
}

Acesta este comportamentul recomandat pentru majoritatea cazurilor de utilizare. Modelul își adaptează strategia de analiză în funcție de complexitatea percepută a imaginii și de întrebarea pusă.

Low (rapid și economic)

Modul low efectuează o analiză rapidă a imaginii, folosind mai puțini tokeni. Aceasta este alegerea ideală atunci când aveți nevoie de o înțelegere generală, fără a intra în detalii fine.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "low"
}

Cazuri de utilizare pentru low:

  • Clasificarea conținutului imaginii (peisaj, portret, document etc.)
  • Identificarea subiectului principal al unei fotografii
  • Sortarea rapidă a unui lot de imagini
  • Verificarea dacă o imagine corespunde unui criteriu simplu

High (lent și detaliat)

Modul high forțează o analiză exhaustivă a imaginii. Modelul examinează fiecare zonă la rezoluție maximă, ceea ce consumă mai mulți tokeni, dar produce descrieri mult mai precise.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "high"
}

Cazuri de utilizare pentru high:

  • Citirea textului fin dintr-o imagine (OCR)
  • Analiza graficelor cu legende detaliate
  • Detectarea defectelor în fotografiile de produs
  • Examinarea capturilor de ecran ale interfețelor complexe

Compararea nivelurilor

Parametru Viteză Tokeni Precizie
auto Variabilă Variabilă Adaptivă
low Rapidă Mai puțini tokeni Generală
high Lentă Mai mulți tokeni Detaliată

Sintaxa pe API-uri

Parametrul detail este plasat diferit în funcție de API-ul utilizat.

Responses API (recomandat)

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 (vechi)

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."
            }
        ]
    }]
)

Rețineți că în Chat Completions, detail este imbricat în interiorul obiectului image_url, în timp ce în Responses API se află la același nivel cu image_url.

Strategia de optimizare

În producție, o bună practică este adaptarea nivelului de detaliu în funcție de tipul sarcinii:

def analyser_image(image_url, tache):
    # Sarcini simple → low pentru economisirea costurilor
    if tache in ["classifier", "trier", "identifier_sujet"]:
        detail = "low"
    # Sarcini complexe → high pentru precizie
    elif tache in ["ocr", "graphique", "defaut_produit"]:
        detail = "high"
    # Implicit → lăsați modelul să decidă
    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}"}
        ]
    )

Această abordare vă permite să reduceți semnificativ costurile cu tokenii pentru sarcinile simple, menținând în același timp precizia maximă acolo unde este necesar.

Puncte cheie

  • Parametrul detail controlează profunzimea analizei imaginii
  • auto (implicit) lasă modelul să decidă – aceasta este alegerea recomandată
  • low este rapid și economic, potrivit pentru sarcini de clasificare
  • high este lent, dar precis, potrivit pentru OCR și analize fine
  • Adaptați nivelul de detaliu la tipul sarcinii pentru a optimiza costurile