Jetoane de imagine: de la 256 la 1792
Pe această pagină
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: valoarealowconsumă minimul, iarhighconsumă 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_tokensoferă numărul exact - Parametrul
detaileste 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