Analizuj obrazy znalezione w wyszukiwarce internetowej
Na tej stronie
Wykraczaj poza tekst dzięki analizie obrazów
Wyszukiwanie w sieci nie ogranicza się tylko do tekstu. Gdy włączysz parametr enable_image_understanding, model Grok może analizować obrazy znalezione podczas wyszukiwania. Otwiera to nowe możliwości: interpretowanie wykresów, odczytywanie infografik, rozumienie zrzutów ekranu czy analiza zdjęć newsowych.
Funkcja ta jest szczególnie przydatna w przypadkach, gdy informacje wizualne uzupełniają lub zastępują tekst, np. przy analizie trendów na wykresach giełdowych, rozumieniu diagramów technicznych lub ekstrakcji danych z tabel opublikowanych jako obrazy.
Włączanie rozumienia obrazów
Włączasz to za pomocą parametru enable_image_understanding w konfiguracji narzędzia 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
}]
)
Gdy ten parametr jest aktywny, model uzyskuje dostęp do dodatkowego narzędzia wewnętrznego o nazwie view_image. Może je wywołać, aby zbadać obrazy napotkane podczas wyszukiwania i wydobyć z nich istotne informacje.
Jak to działa
Proces przebiega w kilku fazach:
- Model przeprowadza standardowe wyszukiwanie w sieci
- Wśród wyników identyfikuje potencjalnie istotne obrazy
- Używa narzędzia
view_imagedo analizy tych obrazów - Integruje informacje wizualne z finalną odpowiedzią
Nie musisz obsługiwać żadnej dodatkowej interakcji. Model orchestruje wszystko autonomicznie.
Łączenie filtrowania domen i analizy obrazów
Możesz włączyć analizę obrazów jednocześnie z filtrowaniem domen:
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 |
Istotne przypadki użycia
Wizualny monitoring marki
Monitoruj, jak Twoja marka pojawia się wizualnie w sieci: używane logotypy, zrzuty ekranu Twojego produktu, infografiki wspominające o Twojej firmie.
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
}]
)
Wizualna analiza danych
Interpretuj wykresy i tabele publikowane w raportach online bez konieczności ich ręcznego pobierania:
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
}]
)
Ograniczenia, o których warto wiedzieć
Analiza obrazów wydłuża czas odpowiedzi, ponieważ model musi przetworzyć dane wizualne oprócz tekstu. Zużywa również więcej tokenów wyjściowych. Włączaj ją tylko wtedy, gdy informacje wizualne wnosi realną wartość do odpowiedzi.
Jakość analizy zależy również od rozdzielczości i czytelności znalezionych obrazów. Wykresy wysokiej rozdzielczości z czytelnymi etykietami dają lepsze rezultaty niż obrazy rozmyte lub przeładowane treścią.
Ćwiczenia praktyczne
Stwórz skrypt, który poprosi Groka o analizę trendów wizualnych w danej branży (np. wykresy wydajności indeksu giełdowego lub infografiki z raportu branżowego). Porównaj bogactwo odpowiedzi uzyskanej z włączonym i wyłączonym parametrem enable_image_understanding.
Kluczowe wnioski
- Parametr
enable_image_understandingpozwala modelowi analizować obrazy z wyników wyszukiwania w sieci - Model używa wewnętrznie narzędzia
view_imagedo badania istotnych elementów wizualnych - Parametr ten można łączyć z
allowed_domainslubexcluded_domains - Analiza obrazów wydłuża czas przetwarzania i zwiększa zużycie tokenów
- Funkcja ta jest idealna do monitoringu wizualnego, analizy wykresów i ekstrakcji danych z infografik