Google Gemini mengenakan caj 258 token untuk sebarang imej sehingga 384 × 384 px. Jika imej melebihi saiz tersebut, Gemini menambah caj 258 token lagi bagi setiap jubin (tile) 768 × 768 px. Oleh itu, gambar bersaiz 500 × 500 px menelan kos yang sama dengan gambar 384 × 384 px, manakala bingkai 1920 × 1080 px merangkumi enam jubin dan menggunakan 1,548 token. Bagi pembangun yang membayar mengikut token, melepasi sempadan 768 piksel boleh mengubah kos sebanyak 75%.

Cara Gemini meletakkan harga imej

Gemini menganggap gambar sebagai grid tampalan visual (visual patches). Segi empat tepat 384 piksel dipecahkan kepada 256 tampalan; dua token tambahan menandakan permulaan dan akhir urutan visual, memberikan harga tetap 258 token. Apa-apa yang lebih besar akan mencetuskan langkah pembahagian jubin: sistem memotong imej kepada jubin 768 piksel, menilai setiap jubin secara berasingan, dan mengenakan caj 258 token bagi setiap satu.

Bilangan token meningkat mengikut jumlah jubin, bukan piksel mentah. Foto 1280 × 720 px menggunakan dua jubin (258 × 2 = 516 token). Bingkai 4K 3840 × 2160 px meliputi lima belas jubin, dengan kos 3,870 token. Peraturannya mudah—kira jumlah petak 768 piksel yang digunakan oleh imej, darab dengan 258, dan anda akan mendapat jumlah bil token tersebut.

Mengapa peraturan ini penting

Model token Gemini diterjemahkan secara langsung kepada perbelanjaan API.

Cara praktikal untuk mengurangkan bil

  • Kekal di bawah had jubin. Imej 800 × 800 px terbahagi kepada empat jubin 768 piksel, menelan kos 1,032 token—empat kali ganda harga gambar 768 × 768 px. Ubah saiz ke sempadan jubin yang tepat untuk menjimatkan 75%.
  • Potong ruang kosong. Margin putih yang besar masih menghasilkan tampalan yang dikira dalam jumlah token. Memotong (cropping) margin tersebut boleh mengurangkan kos sebanyak dua pertiga.
  • Perhatikan kebolehbacaan OCR. Gemini hanya membaca teks apabila aksara mempunyai ketinggian kira-kira 15–20 px. Jika anda mengecilkan saiz dokumen di bawah ambang tersebut, model akan terlepas perkataan, memaksa penggunaan input teks sebagai sandaran yang mungkin lebih mahal.
  • Gunakan peraturan ketinggian-setiap-baris. Untuk dokumen teks biasa, sasarkan jumlah ketinggian imej yang menyamai bilangan baris didarab dengan 25 px. "Formula emas" ini mengekalkan jarak baris yang boleh dibaca sambil kekal dalam satu jubin sahaja.
  • Utamakan imej untuk data padat. Tangkapan skrin (screenshot) hamparan (spreadsheet) yang besar atau persamaan LaTeX sering kali memuatkan lebih banyak maklumat bagi setiap token berbanding menaip data yang sama. Apabila kepadatan data tinggi, kos 258 token imej boleh menjadi lebih murah daripada muatan teks yang setara.

Apabila imej lebih baik daripada teks

Ekonomi token berubah memihak kepada gambar untuk beberapa jenis kandungan:

  • Skrip bukan Latin. Skrip seperti Hindi, Cina, Arab dan seumpamanya memerlukan banyak aksara untuk menyampaikan idea yang ringkas; setiap aksara tetap menjadi satu token dalam mod teks, manakala visual yang sama muat dalam satu jubin imej sahaja.
  • Notasi matematik yang kompleks. Formula LaTeX menyebabkan bilangan token melonjak tinggi. Imej formula yang telah dipaparkan (rendered) kekal dalam satu jubin, selalunya menelan kos yang lebih rendah daripada rentetan (string) LaTeX mentah.
  • Susun atur UI atau jadual yang besar. Memaparkan mockup UI skrin penuh atau jadual berbilang halaman sebagai imej dapat mengelakkan keperluan untuk menghuraikan setiap elemen dalam bentuk prosa, sekaligus memampatkan maklumat ke dalam beberapa jubin sahaja.

Imbangan (Trade-off)

Mengecilkan saiz imej secara sembarangan boleh memakan diri. Jika aksara mengecil di bawah minimum 15 piksel, OCR Gemini akan gagal dan pembangun terpaksa beralih kepada penghantaran teks mentah—yang berpotensi meningkatkan bil token. Pemotongan (cropping) yang terlalu agresif juga mungkin membuang konteks yang diperlukan model untuk menjawab dengan betul. Titik keseimbangan yang terbaik adalah pengecilan saiz yang sederhana yang menghormati sempadan jubin sambil mengekalkan kebolehbacaan.

Kesimpulan

Memahami aritmetik token imej Gemini menukarkan kos tersembunyi kepada pemboleh ubah yang boleh dikawal. Pastikan imej berada pada atau di bawah 768 px, potong ruang putih yang tidak perlu, dan pastikan teks kekal boleh dibaca untuk menjimatkan berpuluh atau beratus-ratus token bagi setiap permintaan. Untuk kandungan padat data—skrip bukan Latin, matematik, jadual—imej sering kali memberikan wawasan yang sama pada harga token yang jauh lebih rendah. Pra-pemprosesan yang bijak, bukannya pengecilan saiz secara membabi buta, adalah kunci kepada integrasi Gemini yang cekap.

Sumber: dev.to/kushaagr