Ir al contenido principal
Español— Elegir un idioma
Menú

Formatos de imagen: URL y Base64

Lección 1 de 12 Actualizado el 3 de noviembre de 2026 Principiante
En esta página
  1. Envío de imágenes a Grok
  2. URL directa
  3. Codificado en Base64 (Data URI)
  4. Diferencias clave entre URL y Base64
  5. Combinación de texto e imágenes
  6. Puntos clave

Actualizado el 3 de noviembre de 2026. Con la API de Responses, los objetos input_image e input_text se incluyen en el content de un mensaje {"role": "user", ...}, no directamente en input. El ejemplo en Python llamaba anteriormente a client.responses.create() en el cliente xai-sdk, método que no existe, y escribía la clave de API en el código: ahora utiliza user(...) e image(...) del SDK, leyendo la clave desde el entorno. Se ha añadido la advertencia de xAI sobre el almacenamiento del historial. Código verificado con xai-sdk 1.21.0. Fuente: Image Understanding.

Envío de imágenes a Grok

Grok analizando una imagen Los modelos Grok desde la versión grok-4.5 en adelante incluyen capacidades de visión. Puedes enviar una o más imágenes en tus solicitudes a la API y el modelo las analizará para responder a tus preguntas. Esto se denomina comprensión de imágenes o visión multimodal.

Antes de profundizar en los casos de uso, es fundamental dominar los dos formatos de envío de imágenes que admite la API de xAI.

2
Formatos admitidos
20 MiB
Tamaño máximo por imagen
JPG/PNG
Formatos aceptados
Ilimitado
Número de imágenes

URL directa

El método más sencillo consiste en proporcionar la URL pública de una imagen. El modelo la descargará y analizará automáticamente.

Con la API de Responses (endpoint principal):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Describe esta imagen en detalle."
        }
      ]
    }
  ]
}

xAI recomienda que, al enviar imágenes, no almacenes el historial de solicitudes y respuestas en sus servidores, ya que la solicitud podría fallar: con la API de Responses, pasa "store": false.

Con la API de Chat Completions (legada, compatible con OpenAI):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Describe esta imagen en detalle."
        }
      ]
    }
  ]
}

La URL debe apuntar a un archivo de imagen accesible públicamente. Si la imagen está protegida por autenticación o detrás de una CDN privada, utiliza el formato Base64.

Codificado en Base64 (Data URI)

El segundo formato consiste en codificar la imagen directamente en la solicitud como una cadena Base64 precedida por un prefijo MIME. Este es el método ideal cuando trabajas con imágenes locales, capturas de pantalla o archivos generados dinámicamente.

{
  "type": "input_image",
  "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}

El prefijo data:image/jpeg;base64, indica al modelo el tipo MIME de la imagen. Ajústalo según el formato:

  • data:image/jpeg;base64, para archivos JPG/JPEG
  • data:image/png;base64, para archivos PNG

Codificación de una imagen en Python

import base64

with open("photo.jpg", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")

image_url = f"data:image/jpeg;base64,{image_data}"

Codificación en JavaScript/Node.js

import { readFileSync } from 'fs';

const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;

Diferencias clave entre URL y Base64

Criterio URL Base64
Tamaño de la solicitud Ligero (solo la URL) Pesado (+33 % respecto al archivo original)
Accesibilidad Requiere imagen pública Funciona con cualquier archivo local
Latencia Descarga por el servidor Datos directamente en la solicitud
Caso de uso típico Imágenes web, CDN, almacenamiento en la nube Archivos locales, capturas de pantalla, subidas

Combinación de texto e imágenes

El content de un mensaje acepta un array mixto de objetos input_image e input_text, en cualquier orden: puedes alternar libremente texto e imágenes. Con el SDK nativo de xAI, el mismo mensaje se construye con user(), que acepta texto e imágenes creadas por image() en secuencia:

from xai_sdk import Client
from xai_sdk.chat import image, user

client = Client()  # clave leída desde XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Compara estas dos fotos:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "¿Cuáles son las principales diferencias?",
    )
)

response = chat.sample()
print(response.content)

image() acepta una URL pública o un Data URI en Base64.

Puntos clave

  • Se admiten dos formatos de imagen: URL directa y Base64 (Data URI)
  • Los formatos aceptados son únicamente JPG, JPEG y PNG
  • Cada imagen no debe superar los 20 MiB
  • El número de imágenes por solicitud es ilimitado
  • La API de Responses coloca input_image en el content de un mensaje; Chat Completions usa partes image_url; el SDK de xAI usa image() dentro de user()
  • Prefiere URL para imágenes públicas y Base64 para archivos locales