Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Prompt multimodali

Lezione 9 di 14 Aggiornata il 30 luglio 2026 Principiante
In questa pagina
  1. Testo e immagini nello stesso prompt
  2. Invio di un’immagine a Grok
  3. Il parametro detail: controllo della precisione
  4. Fonti delle immagini
  5. Casi d’uso pratici
  6. Vincoli tecnici chiave
  7. Scrittura di un buon prompt multimodale
  8. Esercitazione pratica
  9. Punti chiave

Testo e immagini nello stesso prompt

I modelli Grok 4.5 e successivi possono analizzare le immagini oltre al testo. Questa capacità multimodale apre un’ampia gamma di possibilità: descrizione di immagini, OCR, analisi di grafici, confronto visivo e molto altro.

Padroneggiare i prompt multimodali ti permette di utilizzare Grok come assistente visivo, oltre che come assistente testuale.

Invio di un’immagine a Grok

Con le Responses API (endpoint principale), le immagini sono integrate nel campo input come oggetti tipizzati:

{
  "model": "grok-4.5",
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/dashboard.png"},
    {"type": "input_text", "text": "Analyze this dashboard and identify declining metrics."}
  ]
}

Con le Chat Completions API (endpoint legacy), la struttura è leggermente diversa:

{
  "model": "grok-4.5",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "image_url", "image_url": {"url": "https://exemple.com/dashboard.png", "detail": "high"}},
      {"type": "text", "text": "Analyze this dashboard and identify declining metrics."}
    ]
  }]
}

Il parametro detail: controllo della precisione

Il livello di dettaglio influenza la profondità dell’analisi e il numero di token consumati:

detail: low

L’immagine viene elaborata rapidamente a una risoluzione ridotta. Usa questa modalità per:

  • Classificare le immagini (foto, illustrazione, diagramma)
  • Descrivere il contenuto generale
  • Identificare gli oggetti principali
  • Ordinare le immagini per categoria

Consumo: meno token, risposta più veloce.

detail: high

L’immagine viene analizzata ad alta risoluzione. Usa questa modalità per:

  • Leggere il testo in un’immagine (OCR)
  • Analizzare i dettagli in un grafico o diagramma
  • Confrontare elementi visivi precisi
  • Rilevare difetti o anomalie

Consumo: più token (tra 256 e 1.792 a seconda delle dimensioni), risposta più lenta.

detail: auto

Il modello sceglie autonomamente il livello appropriato. Questo è il comportamento predefinito.

Fonti delle immagini

URL diretto

Il metodo più semplice: fornisci un link HTTPS all’immagine.

{"type": "input_image", "image_url": "https://exemple.com/photo.jpg"}

Base64 (data URI)

Per le immagini non ospitate online, codificale in base64:

{"type": "input_image", "image_url": "data:image/png;base64,iVBORw0KGgo..."}

Questo metodo è utile per screenshot, immagini generate programmaticamente o immagini provenienti da una pipeline di elaborazione.

Casi d’uso pratici

OCR ed estrazione del testo

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/facture.jpg"},
    {"type": "input_text", "text": "Extract from this invoice: the invoice number, date, amount excluding tax, VAT, and amount including tax. Return the result in JSON."}
  ]
}

Analisi di grafici

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/graphique-ventes.png"},
    {"type": "input_text", "text": "This chart shows our monthly sales over 12 months. Identify trends, peaks, and troughs. Suggest possible explanations for the variations."}
  ]
}

Confronto di immagini

{
  "input": [
    {"type": "input_text", "text": "Compare these two versions of our logo:"},
    {"type": "input_image", "image_url": "https://exemple.com/logo-v1.png"},
    {"type": "input_image", "image_url": "https://exemple.com/logo-v2.png"},
    {"type": "input_text", "text": "Identify the differences and recommend the best version for web use."}
  ]
}

Analisi dell’interfaccia utente

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/mockup.png"},
    {"type": "input_text", "text": "Evaluate this mobile interface mockup based on the following criteria: readability, visual hierarchy, accessibility, consistency. Rate each criterion out of 10."}
  ]
}

Vincoli tecnici chiave

  • Dimensione massima: 20 MB per immagine
  • Formati: solo JPG, JPEG e PNG (niente GIF, SVG o WebP)
  • Nessun limite sul numero di immagini per richiesta
  • Consiglio xAI: usa store: false nelle Responses API quando lavori con le immagini per evitare errori legati all’archiviazione della cronologia

Scrittura di un buon prompt multimodale

Si applicano gli stessi principi di chiarezza, con specifiche per le immagini:

  • Annuncia l’immagine: indica al modello cosa vedrà prima dell’immagine
  • Sii preciso sul compito: “Descrivi questa immagine” è vago; “Estrai i dati dal grafico a barre e restituiscili in CSV” è preciso
  • Guida l’attenzione: se ti interessa solo una parte dell’immagine, indicarlo (“Concentrati sull’angolo in alto a destra”)
  • Specifica il formato di output: come per i prompt testuali, specifica se ti aspetti JSON, una lista o una tabella

Esercitazione pratica

Fai uno screenshot di una dashboard, di un grafico o di un documento e invialo a Grok con una richiesta specifica. Prova con detail: low e poi con detail: high, confrontando qualità e velocità delle risposte.

Punti chiave

  • I modelli grok-4.5+ analizzano le immagini oltre al testo
  • Il parametro detail (low, auto, high) controlla la profondità dell’analisi e il costo in token
  • Le immagini possono essere fornite tramite URL o base64
  • Annuncia l’immagine, sii preciso sul compito e specifica il formato di output
  • Usa store: false per evitare problemi di archiviazione con le immagini
  • I formati accettati sono limitati a JPG, JPEG e PNG, con una dimensione massima di 20 MB