Il-Fehim tal-Immaġini fit-Tiftix fuq il-Web
F'din il-paġna
Analizza l-immaġini misjuba fuq il-web
It-Tiftix fuq il-Web (Web Search) imur lil hinn mit-test. Bil-parametru enable_image_understanding, tista’ titlob lill-mudell janalizza l-immaġini li jiltaqa’ magħhom waqt it-tiftix tiegħu fuq il-web. Din il-karatteristika testendi b’mod sinifikanti l-kapaċitajiet tat-tiftix, speċjalment għal mistoqsijiet viżwali jew għal suġġetti fejn l-immaġini jipprovdu informazzjoni li tikkomplementa t-test.
Attivazzjoni
Iddin il-karatteristika billi żżid il-parametru enable_image_understanding fil-konfigurazzjoni tat-Tiftix fuq il-Web tiegħek:
{
"tools": [{
"type": "web_search",
"enable_image_understanding": true
}]
}
Meta tkun attivata, il-mudell jista’ juża l-għodda interna view_image biex janalizza l-immaġini li jiltaqa’ magħhom waqt it-tiftix. Huwa jiddeċiedi awtomatikament liema immaġini huma rilevanti biex jiġu eżaminati.
Sintassi tas-SDK
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
})]
Każijiet ta’ Użu
Analiżi ta’ dijagrammi tekniċi
Il-mudell jista’ jsib u jinterpreta dijagrammi tal-arkitettura, ċartijiet tal-fluss, jew grafiċi tekniċi. Dan huwa partikolarment utli għal mistoqsijiet dwar arkitetturi tas-softwer jew proċessi industrijali.
Tqabbil viżwali ta’ prodotti
Għal mistoqsijiet komparattivi, il-mudell jista’ janalizza screenshots jew ritratti ta’ prodotti misjuba fuq il-web u joħroġ osservazzjonijiet rilevanti minnhom.
Analiżi viżwali tad-data
Jekk il-mistoqsija tiegħek tirrigwarda data ppreżentata bħala ċartijiet jew tabelli viżwali, il-fehim tal-immaġini jippermetti lill-mudell jipproċessa l-informazzjoni minn dawn ir-rappreżentazzjonijiet viżwali.
Tagħqid ma’ parametri oħra
Il-fehim tal-immaġini jingħaqad mal-filtrar tad-dominju:
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
}]
)
Il-mudell ifittex biss fi ħdan id-dominji permessi u jista’ janalizza ċ-ċartijiet tal-benchmark misjuba fil-pubblikazzjonijiet.
Impatt fuq l-ispejjeż
L-attivazzjoni tal-fehim tal-immaġini tiżdied il-konsum tat-tokens. L-analiżi ta’ kull immaġni tiġġenera tokens addizzjonali għall-input (l-immaġni kkodifikata) u għall-output (id-deskrizzjoni/l-analiżi). L-ispiża għal kull sejħa tibqa’ l-istess ($0.005), iżda l-volum tat-tokens għal kull talba jista’ jiżdied b’mod sinifikanti.
Attiva din il-karatteristika biss meta l-immaġini jżidu valur reali għall-każ ta’ użu tiegħek. Għal tiftix ibbażat purament fuq it-test, ħalli dan il-parametru diżattivat biex tottimizza l-ispejjeż.
Differenza mit-Tiftix X
Il-fehim tal-immaġini huwa disponibbli kemm għat-Tiftix fuq il-Web kif ukoll għat-Tiftix X. Madankollu, il-fehim tal-vidjow (enable_video_understanding) huwa esklużiv għat-Tiftix X. It-Tiftix fuq il-Web ma jistax janalizza vidjows misjuba fuq il-web.
Punti Ewlenin
- Attiva b’
enable_image_understanding: truefil-konfigurazzjoni tat-Tiftix fuq il-Web - Il-mudell juża
view_imageinternament biex janalizza l-immaġini rilevanti - Utli għal dijagrammi, ċartijiet, screenshots, u tqabbil viżwali
- Iżid il-konsum tat-tokens – attiva biss meta jkun rilevanti
- Jingħaqad mal-filtrar tad-dominju għal kontroll preċiż tas-sorsi
- Il-fehim tal-vidjow huwa esklużiv għat-Tiftix X