Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Analisar uma imagem com o Grok

Aula 11 de 14 Atualizada a 30 de julho de 2026 Programador
Nesta página
  1. Visão computacional com a API do Grok
  2. Formato de entrada da imagem
  3. Exemplo em Python
  4. Com o formato chat/completions
  5. Enviar uma imagem em base64
  6. Casos de uso reais
  7. Modelos com capacidade de visão
  8. Pontos-chave

Visão computacional com a API do Grok

Os modelos Grok com suporte de visão conseguem analisar imagens tal como analisam texto. Envie uma imagem (através de um URL ou em base64) juntamente com uma pergunta, e o modelo irá descrevê-la, analisá-la ou extrair informações visuais. Esta capacidade abre possibilidades concretas: extração de dados de capturas de ecrã, análise de gráficos ou leitura de documentos digitalizados.

Formato de entrada da imagem

Para enviar uma imagem, utilize um array de conteúdo misto (texto e imagem) no campo input:

[
  {
    "type": "input_image",
    "image_url": "https://exemple.com/mon-image.jpg"
  },
  {
    "type": "input_text",
    "text": "What do you see in this image?"
  }
]

O tipo input_image aceita um URL público para a imagem. O tipo input_text contém a sua pergunta ou instrução.

Exemplo em Python

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": "https://exemple.com/graphique-ventes.png"
        },
        {
            "type": "input_text",
            "text": "Analyze this chart. What's the main trend?"
        }
    ]
)

print(response.output[0].content[0].text)

Com o formato chat/completions

Se utilizar o endpoint legado /v1/chat/completions, o formato é ligeiramente diferente:

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {"url": "https://exemple.com/photo.jpg"}
                },
                {
                    "type": "text",
                    "text": "Describe this image in detail."
                }
            ]
        }
    ]
)

Diferenças de formato

EndpointTipo de imagemTipo de texto
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Enviar uma imagem em base64

Se a sua imagem não estiver acessível por URL (um ficheiro local, uma imagem gerada), codifique-a em base64:

import base64

with open("capture.png", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": f"data:image/png;base64,{image_base64}"
        },
        {
            "type": "input_text",
            "text": "Read the text in this screenshot."
        }
    ]
)

Casos de uso reais

Extração de dados

Envie uma fotografia de uma fatura ou de um recibo e peça ao modelo para extrair os valores, datas e números de referência.

Análise de gráficos

Submeta um gráfico ou um diagrama e solicite uma interpretação das tendências e dos valores-chave.

Ajuda na programação

Partilhe uma captura de ecrã de um erro no seu IDE e peça uma explicação e uma solução.

Descrição de interface

Envie um mockup ou uma captura de ecrã e peça ao modelo para descrever os elementos da interface que contém.

Modelos com capacidade de visão

Nem todos os modelos Grok suportam visão. Utilize o grok-4.5, que inclui suporte de imagem. Os modelos “Mini” ou “fast” podem ter suporte limitado ou nenhum.

Pontos-chave

  • Utilize o tipo input_image com o endpoint /v1/responses para enviar imagens
  • Pode enviar imagens através de um URL público ou codificadas em base64
  • O modelo grok-4.5 suporta análise de imagens
  • Combine imagem e texto num array para fazer perguntas sobre conteúdo visual