Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Neobmedzený počet obrázkov na požiadavku

Lekcia 11 z 12 Aktualizované 30. júla 2026 Začiatočník
Na tejto strane
  1. Konkurenčná výhoda rozhrania xAI API
  2. Čo „neobmedzený“ skutočne znamená
  3. Praktické odporúčania podľa objemu
  4. Architektúry pre viacero obrázkov v produkcii
  5. Spracovanie chýb pri veľkých súboroch obrázkov
  6. Kľúčové poznatky

Konkurenčná výhoda rozhrania xAI API

Rozhranie xAI API sa od konkurencie líši v jednom kľúčovom technickom bode: neukladá žiadny limit na počet obrázkov odoslaných v jednej požiadavke. Zatiaľ čo iné rozhrania API ťa obmedzujú na 4, 10 alebo 20 obrázkov, Grok prijme toľko, koľko potrebuješ.

Táto flexibilita otvára dvere použitiam, ktoré sú inde nemožné, ale zároveň si vyžaduje pevné pochopenie praktických dôsledkov.

Čo „neobmedzený“ skutočne znamená

Neobmedzený počet obrázkov neznamená absenciu obmedzení. Niekoľko faktorov prirodzene limituje, koľko obrázkov môžeš efektívne odoslať:

Kontextové okno

Model má pevné kontextové okno. Každý obrázok spotrebuje medzi 256 a 1792 tokenmi. Ak odošleš 50 obrázkov v režime high, potenciálne využiješ 89 600 tokenov len na obrázky, čo ponecháva málo miesta pre text a odpoveď.

Kvalita analýzy

Po prekročení určitého počtu obrázkov kvalita analýzy klesá. Model musí rozdeliť svoju pozornosť medzi všetky obrázky, čo môže viesť k povrchným popisom alebo vynechaniam.

Latencia a časový limit

Čím viac obrázkov odošleš, tým dlhšie trvá spracovanie. Pri odporúčanom časovom limite 3600 sekúnd pre modely s logickým uvažovaním môžu veľmi veľké požiadavky tento limit dosiahnuť.

Praktické odporúčania podľa objemu

Počet obrázkov Odporúčanie Navrhovaný detail
1-3 Možná podrobná analýza high
4-10 Efektívne porovnanie auto
11-20 Dávková klasifikácia low
20+ Rozdelenie na podpožiadavky low

Architektúry pre viacero obrázkov v produkcii

Vzorec: Sekvenčné spracovanie s agregáciou

Na analýzu veľkého počtu obrázkov ich spracuj v dávkach a následne agreguj výsledky:

import json

def analyser_catalogue(images, taille_lot=8):
    """Analyzuje katalóg obrázkov v dávkach."""
    tous_resultats = []

    for i in range(0, len(images), taille_lot):
        lot = images[i:i + taille_lot]

        input_data = []
        for j, img in enumerate(lot, 1):
            input_data.append({
                "type": "input_text",
                "text": f"Obrázok {i + j}:"
            })
            input_data.append({
                "type": "input_image",
                "image_url": img,
                "detail": "low"
            })

        input_data.append({
            "type": "input_text",
            "text": """Pre každý obrázok identifikuj v JSON:
{"number": N, "category": "...", "short_description": "..."}
Vráť pole JSON."""
        })

        response = client.responses.create(
            model="grok-4.5",
            input=input_data,
            store=False
        )

        try:
            resultats_lot = json.loads(response.output_text)
            tous_resultats.extend(resultats_lot)
        except json.JSONDecodeError:
            tous_resultats.append({"batch": i, "raw": response.output_text})

    return tous_resultats

Vzorec: Lievikové filtrovanie

Najprv vykonaj rýchle triedenie všetkých obrázkov a následne sa hlbšie ponor len do tých relevantných:

def entonnoir_analyse(images, critere):
    """Filtruje a následne hĺbkovo analyzuje."""
    # Krok 1: Rýchle filtrovanie
    input_data = []
    for i, img in enumerate(images):
        input_data.append({"type": "input_image", "image_url": img, "detail": "low"})

    input_data.append({
        "type": "input_text",
        "text": f"""Ktoré z týchto {len(images)} obrázkov
zodpovedajú kritériu: "{critere}"?
Vráť iba čísla (indexy od 0) v JSON: [0, 3, 7]"""
    })

    response = client.responses.create(
        model="grok-4.5", input=input_data, store=False
    )

    indices = json.loads(response.output_text)

    # Krok 2: Hĺbková analýza filtrovaných obrázkov
    resultats = []
    for idx in indices:
        response_detail = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": images[idx], "detail": "high"},
                {"type": "input_text", "text": "Podrobná analýza tohto obrázka."}
            ],
            store=False
        )
        resultats.append({"index": idx, "analysis": response_detail.output_text})

    return resultats

Spracovanie chýb pri veľkých súboroch obrázkov

Pri práci s veľkým počtom obrázkov je pravdepodobnosť chýb vyššia. Implementuj robustné spracovanie:

import time

def requete_avec_retry(input_data, max_retries=3):
    for tentative in range(max_retries):
        try:
            response = client.responses.create(
                model="grok-4.5",
                input=input_data,
                store=False
            )
            return response
        except Exception as e:
            if tentative < max_retries - 1:
                delai = 2 ** tentative  # Exponenciálne oneskorenie
                time.sleep(delai)
            else:
                raise e

Kľúčové poznatky

  • Rozhranie xAI API prijíma neobmedzený počet obrázkov, ale kontextové okno zostáva konečné
  • Pri viac ako 10 obrázkoch používaj detail: "low" na zachovanie kvality analýzy
  • Pri viac ako 20 obrázkoch rozdeľ požiadavku na podpožiadavky kvôli spoľahlivosti
  • Vzorec „lievika“ (rýchle filtrovanie a následná podrobná analýza) je najúčinnejší pre veľké objemy
  • Pri veľkých požiadavkách implementuj opakovanie s exponenciálnym oneskorením