Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Kuvien ymmärtäminen verkkohaussa

Oppitunti 7 / 16 Päivitetty 30. heinäkuuta 2026 Kehittäjä
Tällä sivulla
  1. Analysoi verkosta löydettyjä kuvia
  2. Aktivointi
  3. SDK-syntaksi
  4. Käyttötapaukset
  5. Yhdistäminen muihin parametreihin
  6. Vaikutus kustannuksiin
  7. Ero X-hakuun
  8. Keskeiset asiat

Analysoi verkosta löydettyjä kuvia

Verkkohaku ulottuu pelkän tekstin ulkopuolelle. enable_image_understanding-parametrin avulla voit pyytää mallia analysoimaan kuvia, joita se kohtaa verkkohaun aikana. Tämä ominaisuus laajentaa hakukykyjä merkittävästi, erityisesti visuaalisissa kysymyksissä tai aiheissa, joissa kuvat tarjoavat tekstiä täydentävää tietoa.

Aktivointi

Ota ominaisuus käyttöön lisäämällä enable_image_understanding-parametri verkkohakusi määrityksiin:

{
  "tools": [{
    "type": "web_search",
    "enable_image_understanding": true
  }]
}

Kun ominaisuus on käytössä, malli voi käyttää sisäistä view_image-työkalua haun aikana kohtaamiensa kuvien analysointiin. Se päättää automaattisesti, mitkä kuvat ovat tarkastelun arvoisia.

SDK-syntaksi

xAI SDK

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Show me the Transformer architecture and explain each component",
    tools=[client.tools.web_search(
        enable_image_understanding=True
    )]
)

OpenAI SDK

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Show me the Transformer architecture",
    tools=[{
        "type": "web_search",
        "enable_image_understanding": True
    }]
)

Vercel AI SDK

tools: [xai.tools.webSearch({
  enableImageUnderstanding: true
})]

Käyttötapaukset

Teknisten kaavioiden analyysi

Malli pystyy löytämään ja tulkitsemaan arkkitehtuurikaavioita, vuokaavioita tai teknisiä graafeja. Tämä on erityisen hyödyllistä kysyttäessä ohjelmistoarkkitehtuureista tai teollisista prosesseista.

Visuaalinen tuotevertailu

Vertailevissa hauissa malli voi analysoida verkosta löytyviä kuvakaappauksia tai tuotekuvia ja tehdä niistä asiaankuuluvia havaintoja.

Visuaalinen data-analyysi

Jos kysymyksesi koskee kaavioina tai visuaalisina taulukoina esitettyä dataa, kuvien ymmärtäminen mahdollistaa tiedon poimimisen näistä visuaalisista esityksistä.

Yhdistäminen muihin parametreihin

Kuvien ymmärtäminen yhdistyy toimialasuodatukseen:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Analyze the latest LLM performance benchmarks",
    tools=[{
        "type": "web_search",
        "allowed_domains": ["arxiv.org", "huggingface.co"],
        "enable_image_understanding": True
    }]
)

Malli hakee vain sallituilta verkkotunnuksilta ja voi analysoida julkaisuista löytyviä vertailukaavioita.

Vaikutus kustannuksiin

Kuvien ymmärtämisen käyttöönotto lisää tokenien kulutusta. Jokaisen kuvan analysointi tuottaa lisätokeneja sekä syötteelle (koodattu kuva) että tulosteelle (kuvaus/analyysi). Kutsukohtainen hinta pysyy samana (0,005 $), mutta tokenien määrä pyyntöä kohti voi kasvaa merkittävästi.

Ota tämä ominaisuus käyttöön vain, jos kuvat tuovat todellista lisäarvoa käyttötapaukseesi. Puhtaasti tekstipohjaisissa hauissa jätä tämä parametri pois käytöstä kustannusten optimoimiseksi.

Ero X-hakuun

Kuvien ymmärtäminen on saatavilla sekä verkkohaussa että X-haussa. Videoiden ymmärtäminen (enable_video_understanding) on kuitenkin yksinomaan X-haun ominaisuus. Verkkohaku ei pysty analysoimaan verkosta löytyviä videoita.

Keskeiset asiat

  • Ota käyttöön asettamalla enable_image_understanding: true verkkohakumäärityksissä
  • Malli käyttää sisäisesti view_image-työkalua relevanttien kuvien analysointiin
  • Hyödyllinen kaavioiden, graafien, kuvakaappausten ja visuaalisten vertailujen käsittelyssä
  • Lisää tokenien kulutusta – ota käyttöön vain tarvittaessa
  • Yhdistyy toimialasuodatukseen lähteiden tarkkaa hallintaa varten
  • Videoiden ymmärtäminen on yksinomaan X-haun ominaisuus