Analiziraj slike pronađene web pretragom
Na ovoj stranici
Izađi iz okvira teksta analizom slika
Web pretraga nije ograničena samo na tekst. Kada aktiviraš parametar enable_image_understanding, model Grok može analizirati slike pronađene tijekom pretraživanja. To otvara nove mogućnosti: tumačenje grafikona, čitanje infografika, razumijevanje snimki zaslona ili analiza novinskih fotografija.
Ova je sposobnost posebno korisna u slučajevima uporabe gdje vizualne informacije nadopunjuju ili zamjenjuju tekst, poput analize trendova iz burzovnih grafikona, razumijevanja tehničkih dijagrama ili izvlačenja podataka iz tablica objavljenih kao slike.
Aktiviraj razumijevanje slika
To omogućuješ putem parametra enable_image_understanding u konfiguraciji alata 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
}]
)
Kada je ovaj parametar aktiviran, model dobiva pristup dodatnom internom alatu nazvanom view_image. Može pozvati taj alat kako bi pregledao slike na koje naiđe tijekom pretraživanja i izvukao relevantne informacije.
Kako to funkcionira
Proces se odvija u nekoliko faza:
- Model pokreće standardnu web pretragu
- Među rezultatima identificira potencijalno relevantne slike
- Koristi alat
view_imageza analizu tih slika - Integrira vizualne informacije u svoj konačni odgovor
Ne moraš rukovati nikakvom dodatnom interakcijom. Model sve autonomno orchestrira.
Kombiniraj filtriranje domena i analizu slika
Analizu slika možeš aktivirati istovremeno s filtriranjem domena:
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 |
Relevantni slučajevi uporabe
Vizualni nadzor brenda
Prati kako se tvoj brend vizualno pojavljuje na internetu: korišteni logotipi, snimke zaslona tvojeg proizvoda, infografici koji spominju tvoju tvrtku.
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
}]
)
Vizualna analiza podataka
Tumači grafikone i tablice objavljene u online izvješćima bez potrebe za njihovim ručnim preuzimanjem:
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
}]
)
Ograničenja koja trebaš znati
Analiza slika povećava vrijeme odgovora jer model mora obraditi vizualne podatke uz tekst. Također troši više izlaznih tokena. Aktiviraj je samo kada vizualne informacije dodaju stvarnu vrijednost odgovoru.
Kvaliteta analize također ovisi o rezoluciji i jasnoći pronađenih slika. Grafikoni visoke rezolucije s čitljivim oznakama daju bolje rezultate od mutnih ili pretrpanih slika.
Praktična vježba
Napiši skriptu koja traži od Groka da analizira vizualne trendove u određenom sektoru (na primjer, grafikone performansi za burzovni indeks ili infografike iz industrijskog izvješća). Usporedi bogatstvo dobivenog odgovora s uključenim i isključenim parametrom enable_image_understanding.
Ključne točke
- Parametar
enable_image_understandingomogućuje modelu analizu slika iz web rezultata - Model interno koristi alat
view_imageza ispitivanje relevantnih vizuala - Ovaj se parametar može kombinirati s
allowed_domainsiliexcluded_domains - Analiza slika povećava vrijeme obrade i potrošnju tokena
- Ova je značajka idealna za vizualni nadzor, analizu grafikona i izvlačenje podataka iz infografika