Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Generering i batch och parametern n

Lektion 9 av 14 Uppdaterad 2 november 2026 Nybörjare
På denna sida
  1. Generera flera bilder i en enda förfrågan
  2. Parametern n i detalj
  3. Påverkan på kostnader och hastighetsbegränsningar
  4. Urvalsstrategier
  5. Batchning av flera prompts
  6. Nedladdning i batch
  7. Viktiga punkter

Uppdaterat 2 november 2026 — Imagine. grok-imagine-image-quality togs bort den 2 november 2026 (dess förfrågningar hanteras nu av Imagine 2.0 i kvalitet low): exemplen använder nu grok-imagine-image (Imagine 1.0) och grok-imagine-image-2.0 (Imagine 2.0, kvalitet low, medium eller auto). Med OpenAI SDK skickas aspect_ratio, resolution och quality via extra_body, medan redigering hanteras via xAI SDK eller en HTTP-förfrågan.

Generera flera bilder i en enda förfrågan

Parametern n i generations-API:t låter dig producera upp till 10 bilder från en enda prompt. Varje bild är en unik variation, vilket ger dig en rad alternativ att välja mellan för att hitta bästa resultatet eller bygga ett galleri av visuellt material.

Parametern n i detalj

Parametern n accepterar ett heltal mellan 1 och 10, med standardvärdet 1. Dess verkliga värde ligger i en egenskap hos bildgenerering som är lätt att glömma: resultatet är icke-deterministiskt. Samma prompt ger olika bilder varje gång du anropar den, och ingen är mer “korrekt” än en annan. Att generera fyra variationer på en gång är inte slöseri – det är att erkänna att du inte i förväg vet vilken som kommer att fungera.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

# Generera 5 variationer
response = client.images.generate(
    model="grok-imagine-image",
    prompt="A zen Japanese garden with a red bridge, ukiyo-e style",
    n=5,
    extra_body={"aspect_ratio": "16:9", "resolution": "1k"},
)

for i, image in enumerate(response.data):
    print(f"Variation {i + 1}: {image.url}")

Påverkan på kostnader och hastighetsbegränsningar

Det viktigaste att förstå innan du bygger en pipeline på detta: n=10 är ingen rabatt. Du betalar för tio bilder och förbrukar tio enheter av hastighetsbegränsningen, exakt som vid tio separata anrop. Den enda vinsten är nätverket – en tur-och-retur-resa istället för tio – vilket hjälper latensen men inte ändrar budgeten.

Parameter n=1 n=5 n=10
Kostnad (Imagine 1.0) $0.02 $0.10 $0.20
Kostnad (Imagine 2.0, low) $0.04 $0.20 $0.40
Genererade bilder 1 5 10

En förfrågan med n=10 förbrukar samma budget som 10 individuella förfrågningar med n=1, men den är snabbare eftersom den bara kräver ett nätverksanrop.

Urvalsstrategier

Att generera tio variationer utan en sorteringsmetod flyttar bara problemet: du hade en osäker bild, nu har du tio bilder att bedöma. Den första frågan du måste besvara är kriteriet – estetiskt, där det mänskliga ögat fortfarande är oslagbart; eller verifierbart (syns produkten, är texten läsbar, är formatet korrekt), där automatisering blir möjlig.

Manuellt urval

För kritiska fall (reklam, bokomslag) laddar du ner alla variationer och jämför dem visuellt:

import urllib.request

response = client.images.generate(
    model="grok-imagine-image-2.0",
    prompt="Science fiction book cover, organic spaceship",
    n=8,
    extra_body={"aspect_ratio": "3:4", "resolution": "2k"},
)

for i, image in enumerate(response.data):
    urllib.request.urlretrieve(image.url, f"variation_{i + 1}.png")
    print(f"Variation {i + 1} saved")

Automatiserat urval

Att låta en visionsmodell bedöma bilderna fungerar under ett villkor: kriteriet måste vara faktabaserat. “Innehåller denna bild en produkt centrerad på en enfärgad bakgrund?” ger ett tillförlitligt svar; “vilken är vackrast?” ger ett godtyckligt svar presenterat med självförtroende. Formulera verifierbara kriterier och behåll den estetiska bedömningen för dig själv.

def generate_and_select(prompt, n=5):
    """Generate n variations and return all URLs."""
    response = client.images.generate(
        model="grok-imagine-image",
        prompt=prompt,
        n=n
    )
    return [image.url for image in response.data]

Batchning av flera prompts

För att generera bilder från flera olika prompts kombinerar du anropen:

prompts = [
    "Illustration of a Parisian café, impressionist style",
    "Aerial view of terraced rice fields, photographic style",
    "Interior of an old library, dim lighting"
]

all_results = {}
for prompt in prompts:
    response = client.images.generate(
        model="grok-imagine-image",
        prompt=prompt,
        n=3
    )
    all_results[prompt] = [img.url for img in response.data]

# 3 prompts x 3 variationer = 9 bilder, totalkostnad: $0.18

Nedladdning i batch

Detta är en vana du måste bygga från första kodraden, inte när du driftsätter i produktion: URL:er löper ut. En batch med tio bilder genererade på morgonen och nedladdade på kvällen är en förlorad batch – och du får betala för den igen.

import urllib.request
import os

def download_batch(response, output_dir="generated"):
    """Download all images from a response."""
    os.makedirs(output_dir, exist_ok=True)

    for i, image in enumerate(response.data):
        filepath = os.path.join(output_dir, f"image_{i + 1}.png")
        urllib.request.urlretrieve(image.url, filepath)

    print(f"{len(response.data)} images saved in {output_dir}/")

Priser från och med 5 augusti 2026 – priserna ändras regelbundet: innan du gör någon budgetberäkning, kontrollera den aktuella prislistan på xAI:s officiella sida för modeller och prissättning.

Viktiga punkter

  • Parametern n låter dig generera 1 till 10 variationer per förfrågan
  • Varje bild räknas individuellt för fakturering
  • Generering i batch (en förfrågan med n>1) är snabbare än n individuella förfrågningar
  • Ladda ner resultaten omedelbart eftersom URL:er är tillfälliga
  • Använd n=3 till 5 för utforskning, n=1 för målinriktad produktion