Analyser billeder fundet via websøgning
På denne side
Gå ud over tekst med billedanalyse
Websøgning er ikke begrænset til tekst. Når du aktiverer parameteren enable_image_understanding, kan Grok-modellen analysere billeder, den finder under sine søgninger. Det åbner op for nye muligheder: fortolkning af diagrammer, læsning af infografik, forståelse af skærmbilleder eller analyse af nyhedsfotos.
Denne funktion er særligt nyttig i tilfælde, hvor visuel information supplerer eller erstatter tekst, f.eks. ved analyse af tendenser i aktiekurser, forståelse af tekniske diagrammer eller udtræk af data fra tabeller publiceret som billeder.
Aktivér billedforståelse
Du aktiverer dette via parameteren enable_image_understanding i konfigurationen af værktøjet web_search:
response = client.responses.create(
model="grok-4.5",
input="Show me the evolution of Tesla's stock price this week",
tools=[{
"type": "web_search",
"enable_image_understanding": True
}]
)
Når denne parameter er aktiveret, får modellen adgang til et ekstra internt værktøj kaldet view_image. Den kan invoke dette værktøj for at undersøge billeder, den støder på under søgningen, og udtrække relevant information.
Sådan fungerer det
Processen foregår i flere faser:
- Modellen udfører en standard websøgning
- Blandt resultaterne identificerer den potentielt relevante billeder
- Den bruger værktøjet
view_imagetil at analysere disse billeder - Den integrerer den visuelle information i sit endelige svar
Du behøver ikke håndtere nogen yderligere interaktion. Modellen orchestrerer alt selvstændigt.
Kombinér domænefiltrering og billedanalyse
Du kan aktivere billedanalyse samtidig med domænefiltrering:
response = client.responses.create(
model="grok-4.5",
input="Visual summary of the latest publications on arxiv in computer vision",
tools=[{
"type": "web_search",
"allowed_domains": ["arxiv.org"],
"enable_image_understanding": True
}]
)
| Parameter | Type | Default value | Description |
|---|---|---|---|
| allowed_domains | array | [] | Allowed domains (max 5) |
| excluded_domains | array | [] | Excluded domains (max 5) |
| enable_image_understanding | boolean | false | Enables analysis of found images |
Relevante anvendelsestilfælde
Visuel overvågning af mærkevarer
Overvåg, hvordan dit mærke fremstår visuelt online: brugte logoer, skærmbilleder af dit produkt, infografik, der nævner din virksomhed.
response = client.responses.create(
model="grok-4.5",
input="How is the Corsen AI brand represented visually online?",
tools=[{
"type": "web_search",
"enable_image_understanding": True
}]
)
Visuel dataanalyse
Fortolk diagrammer og tabeller publiceret i online-rapporter uden at skulle downloade dem manuelt:
response = client.responses.create(
model="grok-4.5",
input="Analyze the European AI market growth charts published recently",
tools=[{
"type": "web_search",
"allowed_domains": ["statista.com", "mckinsey.com"],
"enable_image_understanding": True
}]
)
Begrænsninger, du skal kende
Billedanalyse øger svartiden, fordi modellen skal behandle visuelle data udover tekst. Det forbruger også flere output-tokens. Aktivér det kun, når visuel information tilfører reel værdi til svaret.
Kvaliteten af analysen afhænger også af opløsningen og klarheden af de fundne billeder. Diagrammer i høj opløsning med læsbare etiketter giver bedre resultater end slørede eller rodede billeder.
Praktisk øvelse
Opret et script, der beder Grok om at analysere visuelle tendenser i en sektor (f.eks. performance-diagrammer for et aktieindeks eller infografik fra en brancherapport). Sammenlign rigdommen i det svar, du får med og uden enable_image_understanding.
Vigtige pointer
- Parameteren
enable_image_understandingtillader modellen at analysere billeder fra webresultater - Modellen bruger værktøjet
view_imageinternt til at undersøge relevante visuelle elementer - Denne parameter kan kombineres med
allowed_domainsellerexcluded_domains - Billedanalyse øger behandlingstiden og token-forbruget
- Denne funktion er ideel til visuel overvågning, diagramanalyse og udtræk af data fra infografik