Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Analyser et billede med Grok

Lektion 11 af 14 Opdateret 30. juli 2026 Udvikler
På denne side
  1. Computervision med Grok API
  2. Format for billedinput
  3. Python-eksempel
  4. Med formatet chat/completions
  5. Send et billede i base64
  6. Reelle brugssager
  7. Modeller med vision-understøttelse
  8. Vigtige pointer

Computervision med Grok API

Grok-modeller med understøttelse af vision kan analysere både billeder og tekst. Du sender et billede (via URL eller i base64) sammen med et spørgsmål, og modellen beskriver det, analyserer det eller udtrækker visuel information. Denne funktion åbner op for konkrete muligheder: udtræk af data fra skærmbilleder, analyse af diagrammer og læsning af scannede dokumenter.

Format for billedinput

For at sende et billede bruger du et array med blandet indhold (tekst og billede) i feltet input:

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

Typen input_image tager en offentlig URL til billedet. Typen input_text indeholder dit spørgsmål eller din instruktion.

Python-eksempel

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)

Med formatet chat/completions

Hvis du bruger det ældre endpoint /v1/chat/completions, er formatet lidt anderledes:

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."
                }
            ]
        }
    ]
)

Forskelle i format

EndpointBilledtypeTeksttype
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Send et billede i base64

Hvis dit billede ikke er tilgængeligt via en URL (f.eks. en lokal fil eller et genereret billede), skal du kode det i 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."
        }
    ]
)

Reelle brugssager

Dataudtræk

Send et foto af en faktura eller en kvittering, og bed modellen om at udtrække beløb, datoer og referencenumre.

Diagramanalyse

Indsend et diagram eller et diagram, og bed om en fortolkning af tendenser og nøgletal.

Hjælp til kodning

Del et skærmbillede af en fejl i dit IDE, og bed om en forklaring og en løsning.

Beskrivelse af grænseflade

Send en mockup eller et skærmbillede, og bed modellen beskrive de grænsefladeelementer, den indeholder.

Modeller med vision-understøttelse

Ikke alle Grok-modeller understøtter vision. Brug grok-4.5, som inkluderer understøttelse af billeder. „Mini”- eller „fast”-modeller kan have begrænset eller ingen understøttelse.

Vigtige pointer

  • Brug typen input_image med endpointet /v1/responses til at sende billeder
  • Du kan sende billeder via offentlig URL eller base64-kodet
  • Modellen grok-4.5 understøtter billedanalyse
  • Kombiner billede og tekst i et array for at stille spørgsmål om visuelt indhold