Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Compreensão de Imagens na Pesquisa Web

Aula 7 de 16 Atualizada a 30 de julho de 2026 Programador
Nesta página
  1. Analisar imagens encontradas na web
  2. Ativação
  3. Sintaxe do SDK
  4. Casos de Utilização
  5. Combinação com outros parâmetros
  6. Impacto nos custos
  7. Diferença em relação à Pesquisa X
  8. Pontos-chave

Analisar imagens encontradas na web

A Pesquisa Web vai além do texto. Com o parâmetro enable_image_understanding, pode solicitar ao modelo que analise as imagens que encontra durante a sua pesquisa na web. Esta funcionalidade estende significativamente as capacidades de pesquisa, especialmente para questões visuais ou tópicos onde as imagens fornecem informações que complementam o texto.

Ativação

Ative esta funcionalidade adicionando o parâmetro enable_image_understanding à sua configuração de Pesquisa Web:

{
  "tools": [{
    "type": "web_search",
    "enable_image_understanding": true
  }]
}

Quando ativada, o modelo pode utilizar a ferramenta interna view_image para analisar as imagens encontradas durante a pesquisa. Decide automaticamente quais as imagens relevantes para examinar.

Sintaxe do 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
})]

Casos de Utilização

Análise de diagramas técnicos

O modelo pode encontrar e interpretar diagramas de arquitetura, fluxogramas ou gráficos técnicos. Isto é particularmente útil para questões sobre arquiteturas de software ou processos industriais.

Comparação visual de produtos

Para consultas comparativas, o modelo pode analisar capturas de ecrã ou fotografias de produtos encontradas na web e extrair delas observações relevantes.

Análise visual de dados

Se a sua questão disser respeito a dados apresentados sob a forma de gráficos ou tabelas visuais, a compreensão de imagens permite ao modelo extrair informações dessas representações visuais.

Combinação com outros parâmetros

A compreensão de imagens combina-se com a filtragem por domínio:

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
    }]
)

O modelo pesquisará apenas nos domínios permitidos e poderá analisar os gráficos de benchmarks encontrados nas publicações.

Impacto nos custos

Ativar a compreensão de imagens aumenta o consumo de tokens. A análise de cada imagem gera tokens adicionais para a entrada (a imagem codificada) e para a saída (a descrição/análise). O custo por invocação mantém-se igual ($0.005), mas o volume de tokens por pedido pode aumentar significativamente.

Ative esta funcionalidade apenas quando as imagens acrescentarem valor real ao seu caso de utilização. Para pesquisas baseadas puramente em texto, deixe este parâmetro desativado para otimizar os custos.

Diferença em relação à Pesquisa X

A compreensão de imagens está disponível tanto para a Pesquisa Web como para a Pesquisa X. No entanto, a compreensão de vídeo (enable_video_understanding) é exclusiva da Pesquisa X. A Pesquisa Web não consegue analisar vídeos encontrados na web.

Pontos-chave

  • Ative com enable_image_understanding: true na configuração da Pesquisa Web
  • O modelo utiliza internamente view_image para analisar imagens relevantes
  • Útil para diagramas, gráficos, capturas de ecrã e comparações visuais
  • Aumenta o consumo de tokens — ative apenas quando relevante
  • Combina-se com a filtragem por domínio para um controlo preciso da fonte
  • A compreensão de vídeo é exclusiva da Pesquisa X