Begränsningar: Format, storlek och gränser
På denna sida
Grundregler
Innan du integrerar Grok Vision i dina applikationer måste du känna till de tekniska begränsningar som xAI:s API ställer upp. Om du ignorerar dessa gränser riskerar du tysta fel eller avvisade förfrågningar som kan vara svåra att felsöka i produktion.
Accepterade bildformat
xAI:s API accepterar två bildfilformat (tre filändelser: .jpg, .jpeg, .png):
- JPG (eller JPEG) – det vanligaste formatet för fotografier
- PNG – lämpligt för skärmdumpar, diagram och bilder med text
Alla andra format avvisas. Om du arbetar med WebP, GIF, BMP, TIFF, SVG eller HEIC-bilder måste du konvertera dem innan du skickar dem:
from PIL import Image
def convert_to_jpeg(source_path, output_path):
img = Image.open(source_path)
# Convert to RGB (required for JPEG)
if img.mode in ("RGBA", "P"):
img = img.convert("RGB")
img.save(output_path, "JPEG", quality=90)
Vanlig fälla: RGBA-bilder
PNG-filer med transparens (alfakanal) accepteras som de är. Men om du konverterar dem till JPEG måste du först ta bort alfakanalen eftersom JPEG inte stöder transparens.
Maximal storlek: 20 MiB
Varje bild får inte överstiga 20 MiB (20 971 520 byte). Överskrider du detta avvisar API:t förfrågan.
Denna gräns gäller:
- För den nedladdade filen vid användning av en URL
- För den avkodade datan vid användning av Base64 (inte den kodade strängen i sig, som är cirka 33 % längre)
Kontrollera storleken innan sändning
import os
def check_size(image_path, max_mib=20):
size = os.path.getsize(image_path)
size_mib = size / (1024 * 1024)
if size_mib > max_mib:
raise ValueError(
f"Image too large: {size_mib:.1f} MiB "
f"(max {max_mib} MiB)"
)
return size_mib
Komprimera vid behov
För bilder som ligger nära gränsen kan du sänka JPEG-kvaliteten:
def compress_image(path, quality=80, max_size_mib=20):
img = Image.open(path)
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=quality)
while buffer.tell() > max_size_mib * 1024 * 1024 and quality > 20:
quality -= 10
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=quality)
buffer.seek(0)
return buffer
Antal bilder per förfrågan: Obegränsat
Till skillnad från andra vision-API:er som begränsar antalet bilder per förfrågan, ställer xAI:s API inga gränser. Du kan skicka så många bilder du behöver i en enda förfrågan.
Tänk dock på att:
- Varje bild förbrukar mellan 256 och 1792 token
- Modellens totala kontext har en maximal storlek
- Fler bilder innebär högre latens och kostnad
Praktisk rekommendation
Även om gränsen teoretiskt sett är obegränsad, bör du hålla dig till rimliga nivåer:
# Best practice: process in batches
def analyze_batch(images, batch_size=10):
results = []
for i in range(0, len(images), batch_size):
batch = images[i:i + batch_size]
input_data = []
for img in batch:
input_data.append({
"type": "input_image",
"image_url": img,
"detail": "low"
})
input_data.append({
"type": "input_text",
"text": "Briefly describe each image."
})
response = client.responses.create(
model="grok-4.5",
input=input_data
)
results.append(response)
return results
Kompatibla modeller
Bildförståelse är tillgänglig på grok-4.5 och högre. Tidigare modeller stöder inte denna funktion.
Kontrollera alltid vilken modell som används i din kod:
VISION_MODELS = ["grok-4.5", "grok-4.20-0309-reasoning"]
def supports_vision(model):
return any(model.startswith(m) for m in VISION_MODELS)
Felhantering
Förutse fel relaterade till begränsningar genom att validera bilder innan du skickar dem:
def validate_image(path):
errors = []
# Check format
extension = path.lower().rsplit(".", 1)[-1]
if extension not in ("jpg", "jpeg", "png"):
errors.append(f"Unsupported format: {extension}")
# Check size
size_mib = os.path.getsize(path) / (1024 * 1024)
if size_mib > 20:
errors.append(f"Too large: {size_mib:.1f} MiB (max 20)")
# Check that it is a real image
try:
img = Image.open(path)
img.verify()
except Exception:
errors.append("Corrupted file or not a valid image")
return errors
Viktiga punkter
- Endast formaten JPG/JPEG och PNG accepteras – konvertera andra format
- Maximal storlek: 20 MiB per bild – komprimera vid behov
- Antalet bilder per förfrågan är obegränsat, men varje bild förbrukar token
- Endast modeller från grok-4.5 och uppåt stöder vision
- Validera alltid bilder innan sändning för att undvika tysta fel