Comprendere e analizzare le immagini
In questa pagina
La visione di Grok
Grok non si limita al testo. I modelli grok-4.5 e successivi includono capacità visive che permettono loro di analizzare le immagini che fornisci come input. Puoi inviare una foto, uno screenshot, un grafico o qualsiasi altro elemento visivo: Grok ti restituirà una descrizione dettagliata, un’analisi o una risposta contestualizzata. Questo amplia notevolmente ciò che puoi sottoporgli: una dashboard fotografata, una fattura stropicciata o un mockup di app diventano documenti utilizzabili, proprio come il testo incollato nella conversazione.
Come inviare un’immagine
Su grok.com, bastano quattro passaggi:
- Clicca sul pulsante di allegato nel campo di input
- Seleziona l’immagine dal tuo dispositivo
- Aggiungi opzionalmente un messaggio di testo per guidare l’analisi
- Invia il tuo messaggio
Da mobile, puoi anche scattare una foto direttamente con la fotocamera del telefono e inviarla a Grok per l’analisi. È il metodo più veloce quando ti trovi davanti a un cartello, un menu o uno schermo che non puoi copiare e incollare.
Per gli sviluppatori, le immagini si inviano tramite un array misto di oggetti nel campo di input:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": "https://exemple.com/photo.jpg"},
{"type": "input_text", "text": "Describe this image in detail"}
]
)
Puoi fornire le immagini come URL pubblico o in formato base64. La scelta conta: un URL pubblico richiede un’immagine raggiungibile dall’esterno, il che esclude i documenti interni; il base64 appesantisce la richiesta, ma è l’unica opzione per un file riservato.
Cosa puoi effettivamente chiedere
La descrizione è l’uso più immediato. Grok dettaglia gli oggetti presenti, i colori, la composizione, l’atmosfera, le persone e le loro espressioni. Devi comunque inquadrare la richiesta, altrimenti otterrai un semplice elenco piatto:
Descrivi questa fotografia in dettaglio.
Qual è il soggetto principale e quali elementi
secondari noti?
L’estrazione del testo, o OCR, è probabilmente l’uso quotidiano più prezioso. Grok legge e trascrive il testo da foto di documenti, screenshot, cartelli e poster, menu di ristoranti e biglietti da visita: tutti casi in cui riscrivere le informazioni a mano richiede diversi minuti. Chiedere anche la formattazione risparmia un secondo round trip:
Estrai tutto il testo visibile in questa immagine
e impaginalo in modo leggibile.
Analizzare grafici e diagrammi va oltre la semplice lettura: Grok interpreta grafici statistici, flowchart e diagrammi tecnici, sapendoti dire cosa mostrano. È particolarmente utile quando un report PDF blocca la sua conclusione all’interno di una figura:
Analizza questo grafico. Quali sono i trend principali
e quali conclusioni possiamo trarre?
Puoi anche inviare più immagini nella stessa richiesta affinché Grok le confronti, trasformando una revisione di design in una conversazione:
Ecco due versioni di un design. Quali sono le
principali differenze tra di esse?
Infine, designer e sviluppatori usano questa visione sui propri schermi, chiedendo una critica sull’usabilità piuttosto che una descrizione:
Analizza questo screenshot di un'app mobile.
Quali problemi di usabilità noti?
Imposta il livello di dettaglio
Tramite API, il parametro detail controlla la profondità dell’analisi dell’immagine e accetta tre valori:
- auto: il modello sceglie il livello appropriato (default)
- low: analisi veloce ed economica che usa meno token
- high: analisi dettagliata e approfondita che usa più token
Questa impostazione bilancia precisione e costo, caso per caso. Per un semplice OCR su una fattura, low è sufficiente e riduce i costi su migliaia di documenti; per un’analisi artistica fine o un grafico denso, high evita errori di lettura.
Vincoli da conoscere
| Vincolo | Valore |
|---|---|
| Dimensione massima | 20 MiB per immagine |
| Formati accettati | Solo JPG, JPEG e PNG |
| Numero di immagini | Nessun limite per richiesta |
| Utilizzo token | Tra 256 e 1.792 token, in base a dimensione e livello di dettaglio |
Alcune abitudini ti permettono di sfruttare al meglio queste capacità. Inquadra la tua richiesta invece di chiedere una descrizione generica: “quanti articoli sono esauriti in questo screenshot” vale più di “descrivi questa immagine”. Ridimensiona i file grandi, che rallentano l’elaborazione senza aggiungere valore. Includi sempre un messaggio di testo insieme all’immagine, perché il contesto migliora sensibilmente la pertinenza della risposta. E segui la logica dei formati: JPG per le fotografie, PNG per gli screenshot e qualsiasi elemento visivo contenente testo, dato che la compressione JPG sfoca i caratteri fini e fa fallire l’OCR.
Punti chiave
- I modelli grok-4.5 e successivi possono analizzare le immagini inviate come input
- I casi d’uso includono descrizione, OCR, analisi di grafici e confronto
- Puoi fornire le immagini tramite URL o in base64
- L’impostazione detail ti permette di controllare il compromesso tra precisione e costo
- La dimensione massima è 20 MiB, solo nei formati JPG e PNG