Analizar imágenes encontradas mediante búsqueda web
En esta página
Más allá del texto: análisis de imágenes
La búsqueda web no se limita al texto. Cuando activas el parámetro enable_image_understanding, el modelo Grok puede analizar las imágenes que encuentra durante sus búsquedas. Esto abre nuevas posibilidades: interpretar gráficos, leer infografías, entender capturas de pantalla o analizar fotografías de noticias.
Esta capacidad resulta especialmente útil en casos de uso donde la información visual complementa o sustituye al texto, como el análisis de tendencias a partir de gráficos bursátiles, la comprensión de diagramas técnicos o la extracción de datos de tablas publicadas en formato de imagen.
Activar la comprensión de imágenes
Puedes habilitar esta función mediante el parámetro enable_image_understanding en la configuración de la herramienta 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
}]
)
Cuando este parámetro está activado, el modelo tiene acceso a una herramienta interna adicional llamada view_image. Puede invocar esta herramienta para examinar las imágenes que encuentra durante la búsqueda y extraer información relevante.
Cómo funciona
El proceso se desarrolla en varias fases:
- El modelo ejecuta una búsqueda web estándar
- Entre los resultados, identifica imágenes potencialmente relevantes
- Utiliza la herramienta
view_imagepara analizar dichas imágenes - Integra la información visual en su respuesta final
No necesitas gestionar ninguna interacción adicional. El modelo orquesta todo el proceso de forma autónoma.
Combinar filtrado por dominio y análisis de imágenes
Puedes activar el análisis de imágenes al mismo tiempo que el filtrado por dominios:
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
}]
)
| Parámetro | Tipo | Valor predeterminado | Descripción |
|---|---|---|---|
| allowed_domains | array | [] | Dominios permitidos (máx. 5) |
| excluded_domains | array | [] | Dominios excluidos (máx. 5) |
| enable_image_understanding | boolean | false | Activa el análisis de las imágenes encontradas |
Casos de uso relevantes
Monitorización visual de marca
Supervisa cómo aparece tu marca visualmente en línea: logotipos utilizados, capturas de pantalla de tu producto, infografías que mencionan a tu empresa.
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
}]
)
Análisis visual de datos
Interpreta gráficos y tablas publicados en informes en línea sin tener que descargarlos manualmente:
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
}]
)
Limitaciones a tener en cuenta
El análisis de imágenes aumenta el tiempo de respuesta, ya que el modelo debe procesar datos visuales además del texto. También consume más tokens de salida. Actívalo solo cuando la información visual aporte un valor real a la respuesta.
La calidad del análisis también depende de la resolución y la claridad de las imágenes encontradas. Los gráficos de alta resolución con etiquetas legibles ofrecen mejores resultados que las imágenes borrosas o sobrecargadas.
Práctica guiada
Crea un script que pida a Grok que analice tendencias visuales en un sector (por ejemplo, gráficos de rendimiento de un índice bursátil o infografías de un informe industrial). Compara la riqueza de la respuesta obtenida con y sin enable_image_understanding.
Puntos clave
- El parámetro
enable_image_understandingpermite al modelo analizar imágenes de los resultados web - El modelo utiliza internamente la herramienta
view_imagepara examinar elementos visuales relevantes - Este parámetro puede combinarse con
allowed_domainsoexcluded_domains - El análisis de imágenes incrementa el tiempo de procesamiento y el consumo de tokens
- Esta función es ideal para la monitorización visual, el análisis de gráficos y la extracción de datos de infografías