Przejdź do głównej treści
Polski— Wybierz język
Menu

Monity z wieloma modalnościami

Lekcja 9 z 14 Zaktualizowano 30 lipca 2026 Początkujący
Na tej stronie
  1. Tekst i obrazy w tym samym monicie
  2. Wysyłanie obrazu do Groka
  3. Parametr detail: kontrola dokładności
  4. Źródła obrazów
  5. Praktyczne przypadki użycia
  6. Kluczowe ograniczenia techniczne
  7. Tworzenie dobrego monitu wielomodalnego
  8. Ćwiczenia praktyczne
  9. Kluczowe wnioski

Tekst i obrazy w tym samym monicie

Modele Grok 4.5 i nowsze potrafią analizować obrazy oprócz tekstu. Ta wielomodalna zdolność otwiera szeroki wachlarz możliwości: opisywanie obrazów, OCR, analiza wykresów, porównania wizualne i wiele innych.

Opanowanie monitów wielomodalnych pozwala używać Groka nie tylko jako asystenta tekstowego, ale także wizualnego.

Wysyłanie obrazu do Groka

W przypadku API Responses (główny punkt końcowy) obrazy są integrowane w polu input jako obiekty typowane:

{
  "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."}
  ]
}

W przypadku API Chat Completions (przestarzały punkt końcowy) struktura wygląda nieco inaczej:

{
  "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."}
    ]
  }]
}

Parametr detail: kontrola dokładności

Poziom szczegółowości wpływa na głębię analizy oraz liczbę zużytych tokenów:

detail: low

Obraz jest przetwarzany szybko w zmniejszonej rozdzielczości. Używaj tego trybu, aby:

  • Klasyfikować obrazy (zdjęcie, ilustracja, diagram)
  • Opisywać ogólną zawartość
  • Identyfikować główne obiekty
  • Sortować obrazy według kategorii

Zużycie: mniej tokenów, szybsza odpowiedź.

detail: high

Obraz jest analizowany w wysokiej rozdzielczości. Używaj tego trybu, aby:

  • Odczytywać tekst na obrazie (OCR)
  • Analizować szczegóły na wykresie lub diagramie
  • Porównywać precyzyjne elementy wizualne
  • Wykrywać defekty lub anomalie

Zużycie: więcej tokenów (od 256 do 1792 w zależności od rozmiaru), wolniejsza odpowiedź.

detail: auto

Model sam wybiera odpowiedni poziom. Jest to domyślne zachowanie.

Źródła obrazów

Bezpośredni adres URL

Najprostsza metoda: podaj link HTTPS do obrazu.

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

Base64 (data URI)

W przypadku obrazów niehostowanych online zakoduj je w formacie base64:

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

Metoda ta przydaje się przy zrzutach ekranu, obrazach generowanych programowo lub obrazach pochodzących z potoku przetwarzania danych.

Praktyczne przypadki użycia

OCR i ekstrakcja tekstu

{
  "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."}
  ]
}

Analiza wykresu

{
  "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."}
  ]
}

Porównanie obrazów

{
  "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."}
  ]
}

Analiza interfejsu użytkownika

{
  "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."}
  ]
}

Kluczowe ograniczenia techniczne

  • Maksymalny rozmiar: 20 MB na obraz
  • Formaty: tylko JPG, JPEG i PNG (brak obsługi GIF, SVG ani WebP)
  • Brak limitu liczby obrazów na żądanie
  • Wskazówka xAI: użyj store: false w API Responses podczas pracy z obrazami, aby uniknąć błędów związanych z przechowywaniem historii

Tworzenie dobrego monitu wielomodalnego

Obowiązują te same zasady jasności, z pewnymi specyfikami dotyczącymi obrazów:

  • Zapowiedz obraz: powiedz modelowi, co zobaczy, zanim wyślesz obraz
  • Bądź precyzyjny co do zadania: „Opisz ten obraz“ jest niejasne; „Wyodrębnij dane z wykresu słupkowego i zwróć je w formacie CSV“ jest precyzyjne
  • Kieruj uwagę: jeśli interesuje Cię tylko część obrazu, wskaż to („Skup się na prawym górnym rogu“)
  • Określ format wyjścia: podobnie jak w monitach tekstowych, określ, czy oczekujesz JSON-a, listy czy tabeli

Ćwiczenia praktyczne

Zrób zrzut ekranu pulpitu nawigacyjnego, wykresu lub dokumentu i wyślij go do Groka ze szczegółowym poleceniem. Przetestuj ustawienia detail: low, a następnie detail: high i porównaj jakość oraz szybkość odpowiedzi.

Kluczowe wnioski

  • Modele grok-4.5 i nowsze analizują obrazy oprócz tekstu
  • Parametr detail (low, auto, high) kontroluje głębokość analizy i koszt tokenów
  • Obrazy można dostarczać poprzez adres URL lub base64
  • Zapowiedz obraz, precyzyjnie określ zadanie i podaj format wyjścia
  • Używaj store: false, aby uniknąć problemów z przechowywaniem obrazów
  • Akceptowane formaty są ograniczone do JPG, JPEG i PNG, z maksymalnym rozmiarem 20 MB