Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Tokeny obrázkov: Od 256 do 1792

Lekcia 3 z 12 Aktualizované 30. júla 2026 Začiatočník
Na tejto strane
  1. Ako obrázky spotrebúvajú tokeny
  2. Rozsah: 256 až 1792 tokenov
  3. Sledovanie spotreby tokenov
  4. Vplyv úrovne detailu na tokeny
  5. Výpočet nákladov na multimodálnu požiadavku
  6. Optimalizácia spotreby tokenov
  7. Monitorovanie v produkčnom prostredí
  8. Kľúčové poznatky

Ako obrázky spotrebúvajú tokeny

Keď odošleš obrázok modelu Grok, pred jeho analýzou sa konvertuje na tokeny. Na rozdiel od textu, kde token približne zodpovedá slovu, počet tokenov pre obrázok závisí od jeho veľkosti a požadovanej úrovne detailu.

Pochopenie tohto mechanizmu je kľúčové pre predvídanie nákladov a správne nastavenie tvojich požiadaviek.

Rozsah: 256 až 1792 tokenov

Každý obrázok odoslaný do API spotrebuje medzi 256 a 1792 tokenmi. Tento významný rozdiel vyplýva z niekoľkých faktorov:

  • Rozlíšenie obrázka: obrázok s rozlíšením 256x256 pixelov spotrebuje menej tokenov ako obrázok 4096x4096
  • Parameter detail: hodnota low spotrebuje minimum, high spotrebuje maximum
  • Obsah obrázka: komplexný obrázok s mnohými detailmi môže viesť k vyššej spotrebe v režime auto

Sledovanie spotreby tokenov

API xAI poskytuje v odpovedi presný počet tokenov použitých pre obrázky. Nájdeš ho v poli usage:

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

Pole prompt_tokens_details.image_tokens ti presne povie, koľko tokenov spotrebovali obrázky v tvojej požiadavke. Je to nevyhnutný nástroj na monitorovanie nákladov v produkčnom prostredí.

Vplyv úrovne detailu na tokeny

Parameter detail je hlavným nástrojom na riadenie spotreby tokenov pre obrázky:

# Ten istý obrázok, veľmi odlišné výsledky počtu tokenov
# detail: low  → ~256 tokenov obrázka
# detail: auto → ~512-1024 tokenov obrázka (premenlivé)
# detail: high → ~1024-1792 tokenov obrázka

V režime low sa obrázok pred analýzou zmenší na nižšie rozlíšenie. Model dostane menej informácií, ale spotrebuje výrazne menej tokenov.

V režime high sa obrázok rozdelí na dlaždice s vysokým rozlíšením. Každá dlaždica sa analyzuje samostatne, čo násobí počet tokenov, ale umožňuje modelu čítať jemný text alebo detekovať subtilné detaily.

Výpočet nákladov na multimodálnu požiadavku

Na odhad nákladov požiadavky obsahujúcej obrázky spočítaj tokeny pre text a obrázky:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Odhad tokenov obrázka podľa úrovne
    image_tokens = {
        "low": 256,
        "auto": 768,   # odhadovaný priemer
        "high": 1536    # odhadovaný priemer
    }

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

    # Orientačná cena za milión tokenov (vstup)
    price_per_million = 2.00  # grok-4.5 vstup — skontroluj aktuálny cenník
    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}"
    }

Optimalizácia spotreby tokenov

Zmena veľkosti pred odoslaním

Ak je tvoj obrázok veľmi veľký, ale nepotrebuješ maximálne rozlíšenie, zmenši ho pred odoslaním:

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}"

Výber správneho formátu

  • JPEG: ľahší, ideálny pre fotografie a obrázky s mnohými farbami
  • PNG: ťažší, ale bez straty kvality, vhodný pre snímky obrazovky a diagramy s textom

Inteligentné zoskupovanie

Ak analyzuješ dávku obrázkov, zoskup tie, ktoré vyžadujú rovnakú úroveň detailu, do samostatných požiadaviek, namiesto miešania low a high v jednej požiadavke.

Monitorovanie v produkčnom prostredí

V produkčnom prostredí systematicky loguj tokeny obrázkov, aby si odhalil neočakávané nárasty:

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

# Logovanie tokenov
usage = response.usage
print(f"Tokeny obrázka : {usage.prompt_tokens_details.image_tokens}")
print(f"Tokeny textu : {usage.prompt_tokens_details.text_tokens}")
print(f"Celkový prompt : {usage.prompt_tokens}")

Ceny platné k 5. augustu 2026 — ceny sa pravidelne menia: pred akýmkoľvek výpočtom rozpočtu si over aktuálny cenník na oficiálnej stránke modelov a cien xAI.

Kľúčové poznatky

  • Obrázky spotrebúvajú medzi 256 a 1792 tokenmi v závislosti od ich veľkosti a úrovne detailu
  • Pole prompt_tokens_details.image_tokens poskytuje presný počet
  • Parameter detail je hlavným nástrojom na riadenie spotreby
  • Zmena veľkosti obrázkov pred odoslaním znižuje počet tokenov bez obetovania kvality pri jednoduchých úlohách
  • Monitoruj tokeny obrázkov v produkčnom prostredí, aby si predvídal náklady