Formato do Conteúdo
Nesta página
Os Dois Formatos de Entrada do Grok
Quando envia uma mensagem ao Grok, o campo content de cada mensagem pode assumir uma de duas formas distintas. Compreender esta distinção é crucial, pois determina o que pode enviar ao modelo: apenas texto ou uma mistura de texto e imagens.
Cadeia de Texto Simples
A forma mais direta: o conteúdo é uma simples cadeia de caracteres (string). Utilizará este formato para a maioria das suas interações baseadas em texto.
{
"role": "user",
"content": "Explain the advantages of the Rust language compared to C++"
}
Este formato funciona para todas as tarefas puramente textuais: perguntas, instruções, fornecimento de dados ou pedidos de geração. Utilize este formato quando não precisar de incluir elementos visuais.
Matriz de Objetos Tipados
Para pedidos multimodais (texto + imagens), o Grok aceita uma matriz de objetos onde cada elemento inclui um campo type que indica a sua natureza.
Formato de Completamentos de Chat (Endpoint Legado)
{
"role": "user",
"content": [
{"type": "text", "text": "Describe this user interface and suggest improvements"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/screenshot.png", "detail": "high"}}
]
}
Formato de Respostas (Endpoint Principal)
{
"input": [
{"type": "input_text", "text": "Analyze this chart and extract the main trends"},
{"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
]
}
Note a diferença de nomenclatura entre os dois endpoints: text e image_url para Completamentos de Chat, e input_text e input_image para Respostas.
Combinação de Texto e Imagens
A matriz de objetos permite-lhe misturar livremente texto e imagens em qualquer ordem. Pode enviar várias imagens no mesmo pedido, com texto antes, depois ou entre elas.
{
"role": "user",
"content": [
{"type": "text", "text": "Compare these two interface mockups:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v1.png"}},
{"type": "text", "text": "Version 1 above, version 2 below:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v2.png"}},
{"type": "text", "text": "Identify the main differences and recommend the best version."}
]
}
Fontes de Imagem Aceites
O Grok aceita imagens de duas formas:
- URL direta: uma ligação HTTPS para a imagem alojada online
- Codificada em Base64: a imagem incorporada diretamente no pedido como um URI de dados
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
O formato Base64 é útil quando as suas imagens não estão alojadas online (capturas de ecrã locais, imagens geradas pela sua aplicação).
O Parâmetro detail para Imagens
Cada imagem pode receber um parâmetro detail que controla o nível de análise:
- auto: o modelo escolhe automaticamente (comportamento padrão)
- low: análise rápida e económica, consome menos tokens
- high: análise detalhada, consome mais tokens mas capta pormenores finos
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}
Utilize low para tarefas simples (classificação, descrição geral) e high para análises precisas (OCR, deteção de pormenores, leitura de gráficos).
Restrições Técnicas
Tenha estes limites em mente ao trabalhar com imagens:
- Tamanho máximo: 20 MB por imagem
- Formatos aceites: apenas JPG, JPEG, PNG
- Sem limite para o número de imagens por pedido
- Modelos compatíveis: grok-4.5 e superiores
- As imagens consomem entre 256 e 1.792 tokens, dependendo do seu tamanho e nível de detalhe
Prática Prática
Teste ambos os formatos com uma tarefa simples:
Formato de texto simples:
{"role": "user", "content": "What are the 5 fundamental principles of UX design?"}
Formato de matriz (apenas texto, mas estruturado):
{
"role": "user",
"content": [
{"type": "text", "text": "Context: I'm designing a mobile food delivery application."},
{"type": "text", "text": "Question: what are the 5 most important UX principles for this type of application?"}
]
}
Mesmo sem uma imagem, o formato de matriz permite-lhe separar claramente o contexto da pergunta, o que pode melhorar a relevância da resposta.
Pontos-chave
- O conteúdo pode ser uma cadeia simples (texto puro) ou uma matriz de objetos (multimodal)
- O formato de matriz permite misturar texto e imagens em qualquer ordem
- Existem dois formatos de nomenclatura dependendo do endpoint: Completamentos de Chat vs Respostas
- O parâmetro
detailcontrola a profundidade da análise de imagem (low, auto, high) - As imagens consomem tokens: adapte o nível de detalhe às suas necessidades
- O formato Base64 permite enviar imagens sem as alojar online