Rozdzielczość multimediów

Parametr media_resolution określa, jak interfejs Gemini API przetwarza dane multimedialne, takie jak obrazy, filmy i dokumenty PDF, poprzez określenie maksymalnej liczby tokenów przydzielonych na dane multimedialne. Dzięki temu możesz zrównoważyć jakość odpowiedzi z opóźnieniem i kosztem. Więcej informacji o różnych ustawieniach, wartościach domyślnych i ich odpowiednikach w tokenach znajdziesz w sekcji Liczba tokenów.

Możesz skonfigurować rozdzielczość multimediów dla poszczególnych obiektów multimedialnych (elementów treści) w żądaniu (tylko w Gemini 3).

Rozdzielczość multimediów dla poszczególnych elementów treści (tylko w Gemini 3)

Gemini 3 umożliwia ustawienie rozdzielczości multimediów dla poszczególnych obiektów multimedialnych w żądaniu, co pozwala na precyzyjną optymalizację wykorzystania tokenów. W jednym żądaniu możesz używać różnych poziomów rozdzielczości. Na przykład możesz użyć wysokiej rozdzielczości w przypadku złożonego diagramu i niskiej rozdzielczości w przypadku prostego obrazu kontekstowego.

from google import genai

client = genai.Client()

myfile = client.files.upload(file="path/to/image.jpg")

interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input=[
        {"type": "text", "text": "Describe this image:"},
        {
            "type": "image",
            "uri": myfile.uri,
            "mime_type": myfile.mime_type,
            "resolution": "high"
        }
    ]
)
print(interaction.output_text)

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const myfile = await ai.files.upload({
    file: "path/to/image.jpg",
    config: { mime_type: "image/jpeg" },
  });

  const interaction = await ai.interactions.create({
    model: "gemini-3.5-flash",
    input: [
      { type: "text", text: "Describe this image:" },
      {
        type: "image",
        uri: myfile.uri,
        mime_type: myfile.mimeType,
        resolution: "high"
      }
    ],
  });
  console.log(interaction.output_text);
}

await main();

# First upload the file using the Files API, then use the URI:
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.5-flash",
    "input": [
      {"type": "text", "text": "Describe this image:"},
      {
        "type": "image",
        "uri": "YOUR_FILE_URI",
        "mime_type": "image/jpeg",
        "resolution": "high"
      }
    ]
  }'

Dostępne wartości rozdzielczości

Interfejs Gemini API definiuje te poziomy rozdzielczości multimediów:

• unspecified (nieokreślona): ustawienie domyślne. Liczba tokenów na tym poziomie znacznie różni się w zależności od tego, czy używasz Gemini 3, czy wcześniejszych modeli Gemini.
• low (niska): mniejsza liczba tokenów, co przekłada się na szybsze przetwarzanie i niższe koszty, ale mniejszą szczegółowość.
• medium (średnia): równowaga między szczegółowością, kosztem i opóźnieniem.
• high (wysoka): większa liczba tokenów, co zapewnia modelowi więcej szczegółów, ale wiąże się z większym opóźnieniem i kosztem.
• ultra_high (bardzo wysoka) (tylko w przypadku poszczególnych elementów treści): największa liczba tokenów, wymagana w określonych przypadkach użycia, np. podczas korzystania z komputera.

Pamiętaj, że w większości przypadków użycia optymalną skuteczność zapewnia ustawienie high.

Dokładna liczba tokenów generowanych na każdym z tych poziomów zależy zarówno od typu multimediów (obraz, film, PDF), jak i wersji modelu.

Liczba tokenów

W tabelach poniżej znajdziesz podsumowanie przybliżonej liczby tokenów dla każdej wartości media_resolution i typu multimediów w przypadku poszczególnych rodzin modeli.

Modele Gemini 3

Wybór odpowiedniej rozdzielczości

• Domyślna (unspecified): zacznij od ustawienia domyślnego. Jest ono dostosowane do większości typowych przypadków użycia, aby zapewnić dobrą równowagę między jakością, opóźnieniem i kosztem.
• low: używaj w sytuacjach, w których najważniejsze są koszt i opóźnienie, a szczegółowość jest mniej istotna.
• medium / high: zwiększ rozdzielczość, gdy zadanie wymaga zrozumienia złożonych szczegółów w multimediach. Jest to często konieczne w przypadku złożonej analizy wizualnej, odczytywania wykresów lub zrozumienia obszernych dokumentów.
• ultra_high – dostępne tylko w przypadku ustawienia dla poszczególnych elementów treści. Zalecane w określonych przypadkach użycia, np. podczas korzystania z komputera, lub gdy testy wykazują wyraźną poprawę w porównaniu z ustawieniem high.
• Sterowanie dla poszczególnych elementów treści (Gemini 3): optymalizuje wykorzystanie tokenów. Na przykład w przypadku prompta z wieloma obrazami użyj ustawienia high w przypadku złożonego diagramu oraz low lub medium w przypadku prostszych obrazów kontekstowych.

Zalecane ustawienia

Poniżej znajdziesz zalecane ustawienia rozdzielczości multimediów dla każdego obsługiwanego typu multimediów.

Zawsze testuj i oceniaj wpływ różnych ustawień rozdzielczości na swoją aplikację, aby znaleźć najlepszy kompromis między jakością, opóźnieniem i kosztem.

Podsumowanie zgodności wersji

• Ustawienie resolution w przypadku poszczególnych elementów treści jest dostępne tylko w modelach Gemini 3.

Dalsze kroki

• Więcej informacji o możliwościach multimodalnych interfejsu Gemini API znajdziesz w przewodnikach dotyczących rozumienia obrazów, rozumienia filmów i rozumienia dokumentów.