Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Analysera en bild med Grok

Lektion 11 av 14 Uppdaterad 30 juli 2026 Utvecklare
På denna sida
  1. Datorseende med Grok API
  2. Format för bildinmatning
  3. Python-exempel
  4. Med formatet chat/completions
  5. Skicka en bild i base64
  6. Verkliga användningsområden
  7. Modeller med stöd för seende
  8. Viktiga punkter

Datorseende med Grok API

Grok-modeller med stöd för seende kan analysera både bilder och text. Du skickar en bild (via URL eller i base64) tillsammans med en fråga, så beskriver, analyserar eller extraherar modellen visuell information. Den här förmågan öppnar för konkreta möjligheter: att extrahera data från skärmdumpar, analysera diagram eller läsa in skannade dokument.

Format för bildinmatning

För att skicka en bild använder du en array med blandat innehåll (text och bild) i fältet input:

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

Typen input_image tar en offentlig URL till bilden. Typen input_text innehåller din fråga eller instruktion.

Python-exempel

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)

Med formatet chat/completions

Om du använder den äldre endpointen /v1/chat/completions ser formatet lite annorlunda ut:

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."
                }
            ]
        }
    ]
)

Skillnader i format

EndpointBildtypTexttyp
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Skicka en bild i base64

Om din bild inte går att nå via URL (t.ex. en lokal fil eller en genererad bild) kodar du den i 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."
        }
    ]
)

Verkliga användningsområden

Dataextraktion

Skicka ett foto på en faktura eller ett kvitto och be modellen extrahera belopp, datum och referensnummer.

Diagramanalys

Skicka ett diagram eller ett diagram och be om en tolkning av trender och nyckeltal.

Kodningshjälp

Dela en skärmdump på ett fel i din IDE och be om en förklaring och en lösning.

Beskrivning av gränssnitt

Skicka en mockup eller en skärmdump och be modellen beskriva de gränssnittselement den innehåller.

Modeller med stöd för seende

Inte alla Grok-modeller stöder seende. Använd grok-4.5, som inkluderar bildstöd. Modellerna “Mini” eller “fast” kan ha begränsat stöd eller inget alls.

Viktiga punkter

  • Använd typen input_image med endpointen /v1/responses för att skicka bilder
  • Du kan skicka bilder via offentlig URL eller base64-kodade
  • Modellen grok-4.5 stöder bildanalys
  • Kombinera bild och text i en array för att ställa frågor om visuellt innehåll