Salt la conținutul principal
Română— Alege o limbă
Meniu

Analizați o imagine cu Grok

Lecția 11 din 14 Actualizată 30 iulie 2026 Dezvoltator
Pe această pagină
  1. Viziune computerizată cu API-ul Grok
  2. Formatul de intrare pentru imagine
  3. Exemplu în Python
  4. Cu formatul chat/completions
  5. Trimiterea unei imagini în base64
  6. Cazuri de utilizare reale
  7. Modele capabile de viziune
  8. Puncte cheie

Viziune computerizată cu API-ul Grok

Modelele Grok cu suport pentru viziune pot analiza imagini la fel de bine ca și textul. Trimiteți o imagine (prin URL sau în format base64) împreună cu o întrebare, iar modelul o va descrie, analiza sau extrage informații vizuale din ea. Această capacitate deschide posibilități concrete: extragerea datelor din capturi de ecran, analiza graficelor, citirea documentelor scanate.

Formatul de intrare pentru imagine

Pentru a trimite o imagine, utilizați un tablou cu conținut mixt (text și imagine) în câmpul input:

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

Tipul input_image preia un URL public către imagine. Tipul input_text conține întrebarea sau instrucțiunea dumneavoastră.

Exemplu în 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)

Cu formatul chat/completions

Dacă utilizați endpoint-ul legacy /v1/chat/completions, formatul este ușor diferit:

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."
                }
            ]
        }
    ]
)

Diferențe de format

EndpointTip imagineTip text
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Trimiterea unei imagini în base64

Dacă imaginea dumneavoastră nu este accesibilă prin URL (un fișier local, o imagine generată), codificați-o în 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."
        }
    ]
)

Cazuri de utilizare reale

Extragerea datelor

Trimiteți o fotografie a unei facturi sau a unui bon și cereți modelului să extragă sumele, datele și numerele de referință.

Analiza graficelor

Trimiteți un grafic sau o diagramă și cereți o interpretare a tendințelor și a cifrelor cheie.

Asistență pentru codare

Partajați o captură de ecran cu o eroare din IDE-ul dumneavoastră și cereți o explicație și o soluție.

Descrierea interfeței

Trimiteți un mockup sau o captură de ecran și cereți modelului să descrie elementele de interfață pe care le conține.

Modele capabile de viziune

Nu fiecare model Grok suportă viziunea. Utilizați grok-4.5, care include suport pentru imagini. Modelele „Mini“ sau „fast“ pot avea un suport limitat sau deloc.

Puncte cheie

  • Utilizați tipul input_image cu endpoint-ul /v1/responses pentru a trimite imagini
  • Puteți trimite imagini prin URL public sau codificate în base64
  • Modelul grok-4.5 suportă analiza imaginilor
  • Combinați imaginea și textul într-un tablou pentru a pune întrebări despre conținutul vizual