Compreensão de Imagens na Pesquisa Web
Nesta página
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: truena configuração da Pesquisa Web - O modelo utiliza internamente
view_imagepara 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