Rozlišení obrázku na převodník tokenů AI

Převaděč Image Resolution to AI Tokens Converter odhaduje, kolik tokenů daný obrázek spotřebuje, když je předán modelům umělé inteligence schopným vidění (OpenAI GPT-4o a GPT-4 Vision, Anthropic Claude 3 Opus/Sonnet/Haiku a Claude 3.5/4.x, Google Gemini 1.5 Pro/Flash). Každý model používá k převodu rozměrů pixelů na cenu tokenu jiný algoritmus založený na dlaždicích. Spotřeba tokenů se přímo mapuje na náklady API – znalost počtu tokenů před odesláním umožňuje vývojářům utrácet rozpočet, rozhodnout se, zda změnit velikost, a vybrat si mezi režimy s nízkými a vysokými detaily. OpenAI GPT-4o high-detail používá 85 základních žetonů + 170 žetonů na dlaždici 512×512. Obrázek 1024×1024 potřebuje ⌈1024/512⌉ × ⌈1024/512⌉ = 4 dlaždice = 85 + 4 × 170 = 765 tokenů (~0,004 $ na obrázek při vstupních rychlostech GPT-4o). Režim s nízkými detaily je plochých 85 tokenů bez ohledu na velikost – ~9× levnější pro miniatury, OCR velkého textu nebo klasifikační úlohy, které nepotřebují jemné detaily. Rodina Claude 3 používá jednodušší vzorec: tokeny ≈ šířka × výška / 750 (takže 1024×1024 ≈ 1 400 tokenů). Gemini 1.5 si účtuje zhruba 258 tokenů za jakýkoli obrázek až do velikosti 384 × 384 plus dlaždice nad rámec toho. Porozumění tomu, kdy snížit měřítko: většina úloh v oblasti vidění (klasifikace objektů, popis scény, OCR standardního textu) nevyužívá rozlišení nad 1024 pixelů na dlouhém okraji. Zmenšením rozlišení 4K snímku obrazovky z 3840×2160 na 1024×576 se tokeny sníží ~10× s minimální ztrátou kvality pro tyto úkoly. Úlohy s jemnými detaily (OCR rukopisu, lékařské zobrazování, satelitní analýza) těží z plného rozlišení. Pro náhledy nebo klasifikaci s nízkými sázkami je režim OpenAI s nízkými detaily výrazně levnější. Tato kalkulačka pomáhá vývojářům utratit rozpočet vize API před vytvořením funkcí náročných na obrázky (moderování obsahu, analýza produktů elektronického obchodování, generování alternativních textů dostupnosti, analýza dokumentů). Při ceně GPT-4o (přibližně 5 $/M vstupních tokenů od poloviny roku 2024) stojí 1 milion vysoce detailních obrázků 1024×1024 ~3800 $. Výběr režimu s nízkými detaily pro 80 % obrázků, které nepotřebují jemné detaily, sníží stejnou zátěž na ~425 $ – 9× snížení nákladů.

Calkulon makes complex calculations simple — built for students and everyday problem-solvers.

1. 1Krok 1 — Zadejte šířku a výšku obrázku v pixelech
2. 2Krok 2 — Vyberte cílový model AI (každý používá jiný algoritmus dlaždic a cenu)
3. 3Krok 3 — Vyberte úroveň podrobností (pouze OpenAI – nízká je 85 plochých tokenů, vysoká je založena na dlaždicích)
4. 4Krok 4 — Kalkulačka použije specifický vzorec tokenu modelu (dlaždice × cena za dlaždici + základna)
5. 5Krok 5 – Výstup zobrazuje odhadované tokeny, počet dlaždic (pokud je to možné) a cenu za obrázek
6. 6Krok 6 — Projekce nákladů na objemy snímků 1K a 10K pro plánování rozpočtu
7. 7Krok 7 — Porovnejte náklady mezi modely a vyberte si ten nejekonomičtější vhodný pro váš případ použití

• !Zapomeňte na to, že režim s nízkými detaily je mnohem levnější pro miniatury a třídění
• !Bez omezení rozlišení obrázku před nahráním – odesílání obrázků 4K, když stačí 1024 pixelů
• !Za předpokladu, že všechny modely stojí stejně na obrázek (liší se 3–10× pro stejný vstup)
• !Ignorování rozdělení nákladů na vstup a výstup – vstupy pro vidění jsou drahé, ale výstupy jsou obvykle krátké
• !Kódování do base64 si myslí, že změní počet tokenů (není – záleží pouze na rozměrech)