Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Compreender e analisar imagens

Aula 11 de 16 Atualizada a 29 de julho de 2026 Iniciante
Nesta página
  1. A visão do Grok
  2. Como submeter uma imagem
  3. O que pode realmente perguntar
  4. Definir o nível de detalhe
  5. Restrições a conhecer
  6. Pontos-chave

A visão do Grok

O Grok não se limita ao texto. Os modelos grok-4.5 e posteriores incluem capacidades de visão que lhes permitem analisar imagens que fornece como entrada. Pode submeter uma fotografia, uma captura de ecrã, um gráfico ou qualquer outro elemento visual, e o Grok fornecer-lhe-á uma descrição detalhada, uma análise ou uma resposta contextualizada. Isto altera o que lhe pode entregar: um painel de controlo fotografado, uma fatura amarrotada ou um esboço de aplicação tornam-se documentos utilizáveis, tal como texto colado na conversa.

Como submeter uma imagem

No grok.com, o processo envolve quatro passos:

  1. Clique no botão de anexo no campo de entrada
  2. Selecione a imagem no seu dispositivo
  3. Opcionalmente, adicione uma mensagem de texto para orientar a análise
  4. Envie a sua mensagem

No telemóvel, pode também tirar uma fotografia diretamente com a câmara do seu dispositivo e enviá-la ao Grok para análise. É a forma mais rápida quando se depara com uma placa, um menu ou um ecrã que não consegue copiar e colar.

Para programadores, as imagens são enviadas através de um array misto de objetos no campo de entrada:

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"}
    ]
)

Pode fornecer imagens como um URL público ou codificadas em base64. A escolha é importante: um URL público exige que a imagem seja acessível externamente, o que exclui documentos internos; o base64 torna o pedido mais pesado, mas é a única opção para ficheiros confidenciais.

O que pode realmente perguntar

A descrição é a utilização mais imediata. O Grok detalha os objetos presentes, as cores, a composição, o ambiente, as pessoas e as suas expressões. Ainda precisa de enquadrar o pedido, caso contrário receberá um inventário plano:

Descreva esta fotografia em detalhe.
Qual é o assunto principal e que elementos
secundários nota?

A extração de texto, ou OCR, é provavelmente a utilização quotidiana mais valiosa. O Grok lê e transcreve texto de fotografias de documentos, capturas de ecrã, placas e cartazes, ementas de restaurantes e cartões de visita: todos os casos em que redigitar a informação à mão demora vários minutos. Pedir formatação ao mesmo tempo poupa uma segunda ida e volta:

Extraia todo o texto visível nesta imagem
e apresente-o de forma legível.

Analisar gráficos e diagramas vai além da leitura: o Grok interpreta gráficos estatísticos, fluxogramas e diagramas técnicos, e pode dizer-lhe o que mostram. É especialmente útil quando um relatório em PDF encerra a sua conclusão numa figura:

Analise este gráfico. Quais são as principais tendências
e que conclusões podemos tirar?

Pode também submeter várias imagens no mesmo pedido para que o Grok as compare, transformando uma revisão de design numa conversa:

Aqui estão duas versões de um design. Quais são as
principais diferenças entre elas?

Finalmente, designers e programadores utilizam esta visão nos seus próprios ecrãs, pedindo uma crítica de usabilidade em vez de uma descrição:

Analise esta captura de ecrã de uma aplicação móvel.
Que problemas de usabilidade deteta?

Definir o nível de detalhe

Através da API, o parâmetro detail controla a profundidade da análise da imagem e aceita três valores:

  • auto: o modelo escolhe o nível adequado (padrão)
  • low: análise rápida e económica que utiliza menos tokens
  • high: análise detalhada e aprofundada que utiliza mais tokens

Esta definição equilibra precisão e custo, caso a caso. Para um OCR simples numa fatura, low é suficiente e reduz o custo em milhares de documentos; para uma análise artística fina ou um gráfico denso, high evita leituras incorretas.

Restrições a conhecer

RestriçãoValor
Tamanho máximo20 MiB por imagem
Formatos aceitesApenas JPG, JPEG e PNG
Número de imagensSem limite por pedido
Utilização de tokensEntre 256 e 1.792 tokens, dependendo do tamanho e do nível de detalhe

Alguns hábitos permitem tirar o máximo partido destas capacidades. Enquadre o seu pedido em vez de pedir uma descrição geral: “quantos artigos estão em rutura de stock nesta captura de ecrã” é melhor do que “descreva esta imagem”. Redimensione ficheiros grandes, que atrasam o processamento sem acrescentar nada. Inclua sempre uma mensagem de texto com a imagem, pois o contexto melhora notavelmente a relevância da resposta. E siga a lógica dos formatos: JPG para fotografias, PNG para capturas de ecrã e qualquer visual que contenha texto, já que a compressão JPG desfoca caracteres finos e faz falhar o OCR.

Pontos-chave

  • Os modelos grok-4.5 e posteriores podem analisar imagens submetidas como entrada
  • Os casos de uso incluem descrição, OCR, análise de gráficos e comparação
  • Pode fornecer imagens por URL ou em base64
  • A definição de detalhe permite controlar o equilíbrio entre precisão e custo
  • O tamanho máximo é de 20 MiB, apenas nos formatos JPG e PNG