Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Format du contenu

Lektion 4 av 14 Uppdaterad 30 juli 2026 Nybörjare
På denna sida
  1. De två inmatningsformaten för Grok
  2. Enkel textsträng
  3. Typad objektarray
  4. Kombinera text och bilder
  5. Parametern detail för bilder
  6. Tekniska begränsningar
  7. Praktisk övning
  8. Viktiga punkter

De två inmatningsformaten för Grok

När du skickar ett meddelande till Grok kan fältet content i varje meddelande anta en av två distinkta former. Att förstå denna skillnad är avgörande eftersom den bestämmer vad du kan skicka till modellen: enbart text, eller en blandning av text och bilder.

Enkel textsträng

Den mest direkta formen: innehållet är en enkel sträng. Du använder detta för majoriteten av dina textbaserade interaktioner.

{
  "role": "user",
  "content": "Explain the advantages of the Rust language compared to C++"
}

Detta format fungerar för alla rent textbaserade uppgifter: frågor, instruktioner, tillhandahållande av data eller genereringsförfrågningar. Använd detta format när du inte behöver inkludera visuella element.

Typad objektarray

För multimodala förfrågningar (text + bilder) accepterar Grok en array av objekt där varje element innehåller ett fält type som anger dess natur.

Format för Chat Completions (Äldre slutpunkt)

{
  "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"}}
  ]
}

Format för Responses (Primär slutpunkt)

{
  "input": [
    {"type": "input_text", "text": "Analyze this chart and extract the main trends"},
    {"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
  ]
}

Observera namngivningsskillnaden mellan de två slutpunkterna: text och image_url för Chat Completions, samt input_text och input_image för Responses.

Kombinera text och bilder

Objektarrayen låter dig fritt blanda text och bilder i valfri ordning. Du kan skicka flera bilder i samma förfrågan, med text före, efter eller mellan dem.

{
  "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."}
  ]
}

Accepterade bildkällor

Grok accepterar bilder på två sätt:

  • Direkt URL: en HTTPS-länk till bilden som är hostad online
  • Base64-kodad: bilden inbäddad direkt i förfrågan som en data-URI
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}

Base64-formatet är användbart när dina bilder inte är hostade online (lokala skärmdumpar, bilder genererade av din applikation).

Parametern detail för bilder

Varje bild kan få en parameter detail som styr analysnivån:

  • auto: modellen väljer automatiskt (standardbeteende)
  • low: snabb och ekonomisk analys, konsumerar färre tokens
  • high: detaljerad analys, konsumerar fler tokens men fångar fina detaljer
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}

Använd low för enkla uppgifter (klassificering, generell beskrivning) och high för precisa analyser (OCR, detektering av detaljer, läsning av diagram).

Tekniska begränsningar

Håll dessa gränser i åtanke när du arbetar med bilder:

  • Maximal storlek: 20 MB per bild
  • Accepterade format: endast JPG, JPEG, PNG
  • Ingen gräns för antalet bilder per förfrågan
  • Kompatibla modeller: grok-4.5 och högre
  • Bilder konsumerar mellan 256 och 1 792 tokens beroende på deras storlek och detaljnivå

Praktisk övning

Testa båda formaten med en enkel uppgift:

Enkelt textformat:

{"role": "user", "content": "What are the 5 fundamental principles of UX design?"}

Arrayformat (endast text, men strukturerat):

{
  "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?"}
  ]
}

Även utan en bild låter arrayformatet dig tydligt separera kontext från frågan, vilket kan förbättra relevansen i svaret.

Viktiga punkter

  • Innehåll kan vara en enkel sträng (plain text) eller en objektarray (multimodal)
  • Arrayformatet låter dig blanda text och bilder i valfri ordning
  • Två namngivningsformat existerar beroende på slutpunkt: Chat Completions kontra Responses
  • Parametern detail styr djupet i bildanalysen (low, auto, high)
  • Bilder konsumerar tokens: anpassa detaljnivån efter dina behov
  • Base64-formatet låter dig skicka bilder utan att hosta dem online