Gemini 图片调用省钱,先查令牌计费
作者审查服装图片分析账单时发现,其使用的 Gemini 调用由请求分辨率设置决定图片令牌预算,缩小上传文件并未带来预期节省。案例提醒开发者区分传输体积与模型计费单位。
AI 深度解读
给图片压缩体积,不一定能降低 AI 账单。OutfitMaker 的作者检查 Gemini 图片分析费用后发现,自己原先想优化上传字节数,真正影响图片 token 数的却是请求里的 mediaResolution。
他用 12 张真实服装照片比较默认、MEDIUM、LOW 三种设置,最后选择 MEDIUM,估算当前用量下每月能省约 6 欧元。金额不大,但这次排查提供了一个值得复用的顺序:先查计费单位,再验证质量,最后把成本配置锁进测试。
图片变小,为什么账单没有跟着变
OutfitMaker 每收到一张用户上传的服装照片,就通过后台任务调用 Vertex AI 上的 Gemini,返回一个小型 JSON:服装类别、颜色、描述、标签、翻译后的名称,以及照片中的旋转方向。
11 月 20 日,作者逐项检查 Google Cloud 账单,发现过去 30 天里,这项分析调用的图片输入费用约为 15 欧元,是其中最大的一项,而且会随上传量增长。
他的第一反应是缩图:手机照片太大,编码前先缩小,发送的数据少了,费用应该也会下降。
但按作者查到的计费机制,在这次调用中,图片会按照请求的分辨率设置转换成固定预算的 token。模型会把传入图片缩放到相应预算,同一件衣服的大图和小图,可能得到相同的图片 token 数。
文件体积和模型计费量,是两件需要分别验证的事。
缩图仍然可以节省存储和传输带宽,但不能据此推断 Gemini 费用会下降。对作者而言,它还会增加 worker 的 CPU 开销和图像处理依赖,而这条任务链路此前已经遇到过缺少二进制程序的问题。
MEDIUM 能省多少,LOW 又错在哪里
真正的调节项位于 generationConfig,字段名是 mediaResolution,可选值包括 MEDIA_RESOLUTION_LOW、MEDIA_RESOLUTION_MEDIUM 和 MEDIA_RESOLUTION_HIGH;不传则使用默认设置。
它控制模型从图片中保留多少细节,图片 token 数随之变化。
作者没有直接选择最低档。他对 12 张真实服装照片分别使用默认、MEDIUM、LOW 设置运行生产中的实际调用,比较类别、颜色、旋转方向,并读取响应元数据里的 promptTokenCount。
原文提到总 prompt token 降幅约为 40%,但提供的正文没有附上它所引用的表格,因此看不到各档位的具体计数。作者补充,promptTokenCount 还包含各轮不变的文本提示,所以图片部分自身的降幅比 40% 更大。
MEDIUM 在这些对比字段上给出了与默认设置相同的答案。LOW 更便宜,但 12 张里只有 11 张正确。
颜色错误会沿着业务链路传播:藏蓝色毛衣被识别成黑色,后续搭配也会继承这个错误。用户又很容易亲眼发现颜色不对,因此作者没有接受 LOW 的额外节省。
为什么一个配置字段也要写测试
最终改动通过 PR #291 提交,私有仓库中的 commit 是 356dbbc。请求配置如下,它用来明确指定图片细节档位:
MEDIA_RESOLUTION = "MEDIA_RESOLUTION_MEDIUM"
generationConfig: {
maxOutputTokens: 2048,
responseMimeType: "application/json",
mediaResolution: MEDIA_RESOLUTION
}
要看的是 mediaResolution 那一行:本次降低图片输入成本靠它,maxOutputTokens: 2048 则是另一项输出限制。
作者还把实验数字写在字段上方的注释里,解释为什么没有继续降到 LOW,并在已有的请求体测试中加了一条断言:
assert_equal "MEDIA_RESOLUTION_MEDIUM",
body.dig("generationConfig", "mediaResolution")
这里要看 body.dig 检查的嵌套位置。它验证最终请求体确实带上了配置,避免只定义常量却没有发出去。
这种回归很隐蔽:请求构造代码重构时丢了字段,模型仍能按默认设置正常回答,功能测试可能全部通过,费用却涨回去了。固定成本参数的测试,能补上这个缺口。
作者估算当前用量下每月节省约 6 欧元;原文没有提供上线后的完整账期验证。
我的判断
我认同这次优化的顺序:从账单确认大项,再查计费机制,最后用真实输入验证业务字段。相比先给图片处理链路加依赖,直接调整请求参数,在这个案例里更有依据。
但 12 张照片只能支持一次小范围决策,不能证明 MEDIUM 对所有服装都没有损失。原文也没给出 Gemini 的具体模型名、版本和完整测试表,不能把这次结果直接推广到所有 Gemini 图片调用。
作者只描述了对类别、颜色、旋转方向的比较,没有交代描述、标签和翻译结果是否同样稳定。这里的「答案一致」需要限定范围。
另外,测试能防止字段被删,不能防止模型行为或计费规则变化。它是成本回归的一道防线,不是质量与费用的永久保证。
能拿来做什么
- 给图片分析接口做优化前,先确认账单按什么单位收费,分别评估缩图对带宽、存储和模型调用费用的作用。
- 在现有 Gemini 调用中检查
generationConfig.mediaResolution,用同一批真实图片比较默认、MEDIUM、LOW,并记录promptTokenCount。 - 按用户真正依赖的字段评估质量。服装识别尤其要检查颜色,不能只看 JSON 是否有效、类别是否大致正确。
- 在请求体测试中固定选定的成本参数,并把样本结果和选择理由写进注释,方便后续重构和重新评估。