Conversor de resolução de imagem para tokens AI

O conversor de resolução de imagem para tokens de IA estima quantos tokens uma determinada imagem consumirá quando passada para modelos de IA com capacidade de visão (OpenAI GPT-4o e GPT-4 Vision, Anthropic Claude 3 Opus/Sonnet/Haiku e Claude 3.5/4.x, Google Gemini 1.5 Pro/Flash). Cada modelo usa um algoritmo diferente baseado em blocos para converter dimensões de pixel em custo de token. O consumo de token é mapeado diretamente para o custo da API – saber a contagem de tokens antes do envio permite que os desenvolvedores orçam os gastos, decidam se devem redimensionar e escolher entre os modos de baixo e alto detalhe. O alto detalhe OpenAI GPT-4o usa 85 tokens básicos + 170 tokens por bloco de 512 × 512. Uma imagem 1024×1024 precisa de ⌈1024/512⌉ × ⌈1024/512⌉ = 4 blocos = 85 + 4×170 = 765 tokens (~$0,004 por imagem nas taxas de entrada GPT-4o). O modo de baixo detalhe consiste em 85 tokens, independentemente do tamanho – ~9× mais barato para miniaturas, OCR de texto grande ou tarefas de classificação que não precisam de detalhes finos. A família Claude 3 usa uma fórmula mais simples: tokens ≈ largura × altura / 750 (então 1024×1024 ≈ 1.400 tokens). O Gemini 1.5 cobra cerca de 258 tokens por qualquer imagem de até 384×384, além de blocos além disso. Entender quando reduzir a escala: a maioria das tarefas de visão (classificação de objetos, descrição de cena, OCR de texto padrão) não se beneficia de resoluções acima de 1024 pixels na borda longa. Reduzir a escala de uma captura de tela em 4K de 3840×2160 para 1024×576 reduz os tokens em aproximadamente 10× com perda mínima de qualidade para essas tarefas. Tarefas de detalhes finos (OCR de caligrafia, imagens médicas, análise de satélite) beneficiam-se da resolução total. Para miniaturas ou classificação de baixo risco, o modo de baixo detalhe do OpenAI é dramaticamente mais barato. Esta calculadora ajuda os desenvolvedores a orçamentar os gastos da API de visão antes de criar recursos com muitas imagens (moderação de conteúdo, análise de produtos de comércio eletrônico, geração de texto alternativo de acessibilidade, análise de documentos). Com o preço GPT-4o (~US$ 5/M de tokens de entrada em meados de 2024), 1 milhão de imagens 1024×1024 de alto detalhe custam aproximadamente US$ 3.800. Escolher o modo de baixo detalhe para 80% das imagens que não precisam de detalhes finos reduz a mesma carga de trabalho para aproximadamente US$ 425 – uma redução de custo de 9x.

DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.

1. 1Passo 1 — Insira a largura e altura da imagem em pixels
2. 2Etapa 2 — Selecione o modelo de IA alvo (cada um usa um algoritmo de bloco e preços diferentes)
3. 3Etapa 3 — Selecione o nível de detalhe (somente OpenAI — o mínimo é de 85 tokens fixos, o alto é baseado em blocos)
4. 4Etapa 4 — A calculadora aplica a fórmula de token específica do modelo (blocos × custo por bloco + base)
5. 5Etapa 5 — A saída exibe tokens estimados, contagem de blocos (quando aplicável) e custo por imagem
6. 6Etapa 6 — Projeções de custos em volumes de imagens de 1.000 e 10.000 para planejamento orçamentário
7. 7Passo 7 — Compare os custos entre modelos para escolher o mais econômico para seu caso de uso

• !Esquecer que o modo de poucos detalhes é muito mais barato para miniaturas e classificação de triagem
• !Não limitar a resolução da imagem antes do upload – enviar imagens em 4K quando 1024px for suficiente
• !Supondo que todos os modelos custam o mesmo por imagem (eles variam de 3 a 10× para a mesma entrada)
• !Ignorando a divisão de custos de token de entrada versus saída – as entradas de visão são caras, mas as saídas são normalmente curtas
• !Codificação para base64 pensando que altera a contagem de tokens (isso não muda - apenas as dimensões importam)