Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Žetoni slik: od 256 do 1792

Lekcija 3 od 12 Posodobljeno 30. julij 2026 Začetnik
Na tej strani
  1. Kako slike porabljajo žetone
  2. Razpon: od 256 do 1792 žetonov
  3. Spremljanje porabe žetonov
  4. Vpliv ravni podrobnosti na število žetonov
  5. Izračun stroška multimodalnega zahtevka
  6. Optimizacija porabe žetonov
  7. Nadzor v produkcijskem okolju
  8. Ključne ugotovitve

Kako slike porabljajo žetone

Ko pošlješ sliko modelu Grok, se ta pred analizo pretvori v žetone. Za razliko od besedila, kjer žeton približno ustreza besedi, je število žetonov za slike odvisno od velikosti slike in zahtevane ravni podrobnosti.

Razumevanje tega mehanizma je ključno za napovedovanje stroškov in pravilno načrtovanje tvojih zahtevkov.

Razpon: od 256 do 1792 žetonov

Vsaka slika, poslana API-ju, porabi med 256 in 1792 žetoni. Ta velika razlika izhaja iz več dejavnikov:

  • Ločljivost slike: slika 256×256 pikslov porabi manj žetonov kot slika 4096×4096
  • Parameter detail: vrednost low porabi minimum, high pa maksimum
  • Vsebina slike: kompleksna slika z veliko podrobnostmi lahko v načinu auto povzroči večjo porabo

Spremljanje porabe žetonov

API xAI v odgovoru natančno navede število žetonov za slike. Najdeš jih v polju usage:

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

Polje prompt_tokens_details.image_tokens ti točno pove, koliko žetonov so porabile slike v tvojem zahtevku. To je nepogrešljivo orodje za nadzor stroškov v produkcijskem okolju.

Vpliv ravni podrobnosti na število žetonov

Parameter detail je glavni vzvod za nadzor porabe žetonov pri slikah:

# Ista slika, zelo različni rezultati glede žetonov
# detail: low  → ~256 žetonov za sliko
# detail: auto → ~512-1024 žetonov za sliko (spremenljivo)
# detail: high → ~1024-1792 žetonov za sliko

V načinu low se slika pred analizo pomanjša na nižjo ločljivost. Model prejme manj informacij, vendar porabi bistveno manj žetonov.

V načinu high se slika razdeli na ploščice visoke ločljivosti. Vsaka ploščica se analizira posebej, kar pomnoži število žetonov, vendar modelu omogoča branje drobnega besedila ali zaznavanje subtilnih podrobnosti.

Izračun stroška multimodalnega zahtevka

Za oceno stroška zahtevka s slikami seštej žetone za besedilo in slike:

def estimate_cost(num_images, detail="auto", text_tokens=500):
    # Ocena žetonov za slike po ravni
    image_tokens = {
        "low": 256,
        "auto": 768,   # ocenjeno povprečje
        "high": 1536    # ocenjeno povprečje
    }

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

    # Orientacijska cena na milijon žetonov (vhod)
    price_per_million = 2.00  # grok-4.5 input — preveri trenutni cenik
    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}"
    }

Optimizacija porabe žetonov

Sprememba velikosti pred pošiljanjem

Če je tvoja slika zelo velika, vendar ne potrebuješ največje ločljivosti, ji pred pošiljanjem spremeni velikost:

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}"

Izbira pravega formata

  • JPEG: lažji, idealen za fotografije in slike z veliko barvami
  • PNG: težji, a brez izgub, primeren za posnetke zaslona in diagrame z besedilom

Pametno združevanje

Če analiziraš skupino slik, združi tiste, ki zahtevajo enako raven podrobnosti, v ločene zahtevke, namesto da bi v enem zahtevku mešal načina low in high.

Nadzor v produkcijskem okolju

V produkcijskem okolju sistematično beleži žetone za slike, da zaznaš nenadne skoke:

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

# Beleženje žetonov
usage = response.usage
print(f"Žetoni slike : {usage.prompt_tokens_details.image_tokens}")
print(f"Žetoni besedila : {usage.prompt_tokens_details.text_tokens}")
print(f"Skupaj poziv : {usage.prompt_tokens}")

Cene z dne 5. avgusta 2026 — cene se redno spreminjajo: pred vsakim izračunom proračuna preveri trenutni cenik na uradni strani modelov in cen xAI.

Ključne ugotovitve

  • Slike porabijo med 256 in 1792 žetoni, odvisno od njihove velikosti in ravni podrobnosti
  • Polje prompt_tokens_details.image_tokens poda točno število
  • Parameter detail je glavni vzvod za nadzor porabe
  • Sprememba velikosti slik pred pošiljanjem zmanjša število žetonov brez žrtvovanja kakovosti pri preprostih nalogah
  • V produkcijskem okolju spremljaj žetone za slike, da napoveš stroške