Премини към основното съдържание
Български— Изберете език
Меню

Анализиране на изображение с Grok

Урок 11 от 14 Обновен 30 юли 2026 г. Програмист
На тази страница
  1. Компютърно зрение с Grok API
  2. Формат на входното изображение
  3. Пример на Python
  4. С формата chat/completions
  5. Изпращане на изображение в base64
  6. Реални случаи на употреба
  7. Модели с възможности за зрение
  8. Ключови изводи

Компютърно зрение с Grok API

Моделите на Grok с поддръжка на зрение могат да анализират изображения, както и текст. Вие изпращате изображение (чрез URL адрес или в base64) заедно с въпрос, а моделът го описва, анализира или извлича визуална информация. Тази възможност отваря конкретни перспективи: извличане на данни от екранни снимки, анализиране на графики, четене на сканирани документи.

Формат на входното изображение

За да изпратите изображение, използвате масив от смесено съдържание (текст и изображение) в полето input:

[
  {
    "type": "input_image",
    "image_url": "https://exemple.com/mon-image.jpg"
  },
  {
    "type": "input_text",
    "text": "What do you see in this image?"
  }
]

Типът input_image приема публичен URL адрес към изображението. Типът input_text съдържа Вашия въпрос или инструкция.

Пример на Python

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": "https://exemple.com/graphique-ventes.png"
        },
        {
            "type": "input_text",
            "text": "Analyze this chart. What's the main trend?"
        }
    ]
)

print(response.output[0].content[0].text)

С формата chat/completions

Ако използвате остарялата крайна точка /v1/chat/completions, форматът е леко различен:

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {"url": "https://exemple.com/photo.jpg"}
                },
                {
                    "type": "text",
                    "text": "Describe this image in detail."
                }
            ]
        }
    ]
)

Разлики във форматите

Крайна точкаТип изображениеТип текст
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Изпращане на изображение в base64

Ако Вашето изображение не е достъпно чрез URL адрес (локален файл, генерирано изображение), кодирайте го в base64:

import base64

with open("capture.png", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": f"data:image/png;base64,{image_base64}"
        },
        {
            "type": "input_text",
            "text": "Read the text in this screenshot."
        }
    ]
)

Реални случаи на употреба

Извличане на данни

Изпратете снимка на фактура или касова бележка и поискайте от модела да извлече сумите, датите и референтните номера.

Анализ на графики

Представете графика или диаграма и поискайте тълкуване на тенденциите и ключовите фигури.

Помощ при програмиране

Споделете екранна снимка на грешка във Вашата IDE и поискайте обяснение и решение.

Описание на интерфейс

Изпратете макет или екранна снимка и поискайте от модела да опише съдържащите се елементи на интерфейса.

Модели с възможности за зрение

Не всеки модел на Grok поддържа зрение. Използвайте grok-4.5, който включва поддръжка на изображения. Моделите „Mini“ или „fast“ може да имат ограничена или никаква поддръжка.

Ключови изводи

  • Използвайте типа input_image с крайната точка /v1/responses, за да изпращате изображения
  • Можете да изпращате изображения чрез публичен URL адрес или кодирано в base64
  • Моделът grok-4.5 поддържа анализ на изображения
  • Комбинирайте изображение и текст в масив, за да задавате въпроси относно визуалното съдържание