Salt la conținutul principal
Română— Alege o limbă
Meniu

Jetoane de imagine: de la 256 la 1792

Lecția 3 din 12 Actualizată 30 iulie 2026 Începător
Pe această pagină
  1. Cum consumă imaginile jetoane
  2. Intervalul: de la 256 la 1792 de jetoane
  3. Urmărirea consumului de jetoane
  4. Impactul nivelului de detaliu asupra jetoanelor
  5. Calcularea costului unei cereri multimodale
  6. Optimizarea consumului de jetoane
  7. Monitorizarea în producție
  8. Puncte cheie

Cum consumă imaginile jetoane

Când trimiteți o imagine către Grok, aceasta este convertită în jetoane înainte ca modelul să o analizeze. Spre deosebire de text, unde un jeton corespunde aproximativ unui cuvânt, jetoanele pentru imagini depind de dimensiunea imaginii și de nivelul de detaliu solicitat.

Înțelegerea acestui mecanism este esențială pentru a anticipa costurile și pentru a dimensiona corect cererile dumneavoastră.

Intervalul: de la 256 la 1792 de jetoane

Fiecare imagine trimisă către API consumă între 256 și 1792 de jetoane. Această variație semnificativă se datorează mai multor factori:

  • Rezoluția imaginii: o imagine de 256x256 pixeli consumă mai puține jetoane decât una de 4096x4096
  • Parametrul detail: valoarea low consumă minimul, iar high consumă maximul
  • Conținutul imaginii: o imagine complexă, cu multe detalii, poate duce la un consum mai ridicat în modul auto

Urmărirea consumului de jetoane

API-ul xAI oferă un număr precis al jetoanelor pentru imagini în răspuns. Îl veți găsi în câmpul usage:

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

Câmpul prompt_tokens_details.image_tokens vă indică exact câte jetoane au consumat imaginile din cererea dumneavoastră. Acesta este un instrument indispensabil pentru monitorizarea costurilor în producție.

Impactul nivelului de detaliu asupra jetoanelor

Parametrul detail este principala pârghie pentru controlul consumului de jetoane pentru imagini:

# Aceeași imagine, rezultate foarte diferite privind jetoanele
# detail: low  → ~256 jetoane imagine
# detail: auto → ~512-1024 jetoane imagine (variabil)
# detail: high → ~1024-1792 jetoane imagine

În modul low, imaginea este redimensionată la o rezoluție redusă înainte de analiză. Modelul primește mai puține informații, dar consumă semnificativ mai puține jetoane.

În modul high, imaginea este divizată în tile-uri (plăci) de înaltă rezoluție. Fiecare tile este analizat separat, ceea ce înmulțește numărul de jetoane, dar permite modelului să citească text fin sau să detecteze detalii subtile.

Calcularea costului unei cereri multimodale

Pentru a estima costul unei cereri care include imagini, combinați jetoanele de text cu cele de imagine:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Estimare jetoane imagine pe nivel
    image_tokens = {
        "low": 256,
        "auto": 768,   # medie estimată
        "high": 1536    # medie estimată
    }

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

    # Preț indicativ per milion de jetoane (input)
    price_per_million = 2.00  # intrare grok-4.5 — verificați lista de prețuri actuală
    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}"
    }

Optimizarea consumului de jetoane

Redimensionarea înainte de trimitere

Dacă imaginea dumneavoastră este foarte mare, dar nu aveți nevoie de rezoluția maximă, redimensionați-o înainte de trimitere:

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}"

Alegerea formatului potrivit

  • JPEG: mai ușor, ideal pentru fotografii și imagini cu multe culori
  • PNG: mai greu, dar fără pierderi de date, potrivit pentru capturi de ecran și diagrame cu text

Gruparea inteligentă

Dacă analizați un lot de imagini, grupați-le pe cele care necesită același nivel de detaliu în cereri separate, în loc să amestecați low și high într-o singură cerere.

Monitorizarea în producție

În producție, înregistrați sistematic jetoanele pentru imagini pentru a detecta vârfurile de consum:

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

# Înregistrare jetoane
usage = response.usage
print(f"Jetoane imagine : {usage.prompt_tokens_details.image_tokens}")
print(f"Jetoane text : {usage.prompt_tokens_details.text_tokens}")
print(f"Total prompt : {usage.prompt_tokens}")

Prețuri valabile la 5 august 2026 — prețurile se modifică regulat: înainte de orice calcul bugetar, verificați lista de prețuri actuală pe pagina oficială a modelelor și prețurilor xAI.

Puncte cheie

  • Imaginile consumă între 256 și 1792 de jetoane, în funcție de dimensiunea și nivelul lor de detaliu
  • Câmpul prompt_tokens_details.image_tokens oferă numărul exact
  • Parametrul detail este principala pârghie pentru controlul consumului
  • Redimensionarea imaginilor înainte de trimitere reduce numărul de jetoane fără a sacrifica calitatea pentru sarcini simple
  • Monitorizați jetoanele pentru imagini în producție pentru a anticipa costurile