Prueba Grok 4.6 API de xAI para Image-to-Text, Q&A visual, OCR, análisis y respuestas multimodales en streaming mediante la API unificada y estable de Flaq AI.
Modelos Grok 4.6 relacionados
Ejemplos de API
Ejemplo de envio
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
method: 'POST',
headers: {
Authorization: 'Bearer YOUR_API_KEY',
Accept: 'text/event-stream',
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'grok-4.6-image-to-text',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Describe the image and extract any visible text.' },
{
type: 'image_url',
image_url: {
url: 'https://example.com/sample-image.jpg'
}
}
]
}
],
stream: true,
max_tokens: 2048
})
});
const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';
while (true) {
const { done, value } = await reader.read();
if (done) break;
buffer += decoder.decode(value, { stream: true });
const frames = buffer.split('\n\n');
buffer = frames.pop() || '';
for (const frame of frames) {
const lines = frame.split('\n').filter(Boolean);
let eventName = 'message';
const dataLines = [];
for (const line of lines) {
if (line.startsWith('event:')) {
eventName = line.slice(6).trim();
} else if (line.startsWith('data:')) {
dataLines.push(line.replace(/^data:\s*/, ''));
}
}
const raw = dataLines.join('\n').trim();
if (raw === '[DONE]') {
console.log('\nFinal text:', assistantText);
continue;
}
let payload;
try {
payload = JSON.parse(raw);
} catch {
continue;
}
if (eventName === 'error' || payload.error) {
const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
throw new Error(msg);
}
const delta = payload.choices?.[0]?.delta;
if (delta?.content) {
assistantText += delta.content;
console.log(assistantText);
}
}
}
Ejemplo de envio
import json
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/chat/completions',
headers={
'Authorization': 'Bearer YOUR_API_KEY',
'Accept': 'text/event-stream',
'Content-Type': 'application/json',
},
json={
'model': 'grok-4.6-image-to-text',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Describe the image and extract any visible text.'},
{
'type': 'image_url',
'image_url': {
'url': 'https://example.com/sample-image.jpg'
}
},
],
}
],
'stream': True,
'max_tokens': 2048,
},
stream=True,
)
response.raise_for_status()
event_name = 'message'
assistant_text = ''
for raw_line in response.iter_lines(decode_unicode=True):
if not raw_line:
event_name = 'message'
continue
if raw_line.startswith('event:'):
event_name = raw_line.replace('event:', '', 1).strip()
continue
if raw_line.startswith('data:'):
raw_data = raw_line.replace('data:', '', 1).strip()
if raw_data == '[DONE]':
print('\nFinal text:', assistant_text)
continue
payload = json.loads(raw_data)
if event_name == 'error' or payload.get('error'):
error = payload.get('error') or payload
raise RuntimeError(error.get('message', 'Chat request failed'))
choices = payload.get('choices') or []
if choices:
delta = choices[0].get('delta') or {}
content = delta.get('content')
if content:
assistant_text += content
print(content, end='', flush=True)
Ejemplo de envio
curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Accept: text/event-stream" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-4.6-image-to-text",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Describe the image and extract any visible text." },
{
"type": "image_url",
"image_url": {
"url": "https://example.com/sample-image.jpg"
}
}
]
}
],
"stream": true,
"max_tokens": 2048
}'
Precios de Grok 4.6 Image to Text
| Parámetros | Precio | Precio original | Descuento |
|---|
Modelos relacionados
grok-4-text-to-texttext-to-textgrok-4-image-to-textimage-to-textgrok-4.5-text-to-texttext-to-textgrok-4.5-image-to-textimage-to-textgrok-4.6-text-to-texttext-to-textgrok-4.6-image-to-textimage-to-textgrok-imaginetext-to-imagegrok-imagine-editimage-to-imagegrok-imagine-text-to-videotext-to-videogrok-imagine-image-to-videoimage-to-videogrok-imagine-v1.5-image-to-videoimage-to-videoREADME
API Image-to-Text de Grok 4.6 (razonamiento y análisis visual)
La API Image-to-Text de Grok 4.6 combina en Flaq AI el modelo de texto de xAI orientado al razonamiento con la comprensión de imágenes. Permite que las aplicaciones envíen una entrada visual específica junto con una instrucción y reciban después texto que explique, extraiga, compare o analice el contenido de la imagen. Esta integración de la API de visión de Grok está diseñada para flujos de trabajo en los que las pruebas visuales deben convertirse en una respuesta práctica, una observación técnica o un paso siguiente estructurado.
Características principales de la API Image-to-Text de Grok 4.6
-
Análisis basado en imágenes: formula preguntas sobre una imagen proporcionada y recibe respuestas de texto vinculadas a los detalles visibles, el diseño, los objetos y el contexto.
-
Razonamiento de contenido visual a texto: combina una imagen con instrucciones en lenguaje natural para obtener explicaciones, comparaciones, solución de problemas y flujos de trabajo analíticos.
-
Entrada de imagen específica: proporciona la entrada de imagen configurada para la ruta con una instrucción clara de la tarea, de modo que los flujos de preguntas sobre imágenes sean fáciles de integrar.
-
Asistencia para la inspección técnica: utiliza el contexto visual para revisar interfaces, interpretar capturas de pantalla, explicar diagramas, clasificar comentarios sobre productos y realizar tareas similares con salida de texto.
-
Solicitudes conversacionales controladas: combina preguntas sobre imágenes con un contexto de mensajes estructurado para que las aplicaciones puedan proporcionar el planteamiento de la tarea, requisitos previos y prompts de seguimiento.
-
Resultados centrados en el texto: recibe texto generado listo para revisión, visualización, enrutamiento o uso por parte de un flujo de trabajo posterior, en lugar de tratar la ruta como un endpoint de generación de imágenes.
Cómo usar la API Image-to-Text de Grok 4.6 en Flaq AI
-
Entrada: una imagen compatible junto con una solicitud en lenguaje natural que describa la pregunta, el objetivo de extracción o la tarea de análisis.
-
Salida: respuestas de texto que describen, explican, comparan o analizan el contenido visual proporcionado.
-
Envío de imágenes: utiliza el formato de solicitud de Flaq AI configurado para la entrada de imagen en el flujo de trabajo de tu aplicación.
-
Capacidades: análisis de capturas de pantalla, respuesta a preguntas visuales, explicaciones basadas en imágenes, revisión de contenido y extracción de detalles.
Mejores casos de uso para la integración de la API Image-to-Text de Grok 4.6
-
Revisión de capturas de pantalla y UI: explica interfaces, identifica estados visibles, resume comentarios o convierte una captura de pantalla en una descripción de incidencia lista para los desarrolladores.
-
Asistencia para productos y catálogos: extrae detalles observables de productos, genera borradores de atributos y facilita la revisión humana de los contenidos visuales enviados.
-
Clasificación del soporte técnico: ayuda a los equipos a interpretar capturas de errores, fotos de dispositivos o imágenes de configuración antes de derivar un caso a un operador.
-
Explicación de documentos y diagramas: convierte gráficos, diagramas, diapositivas y referencias visuales en observaciones textuales claras y preguntas de seguimiento.
-
Operaciones de contenido: facilita las colas de moderación, la redacción para accesibilidad y los flujos de descripción de imágenes, manteniendo la revisión final a cargo de las personas.
Nota Los resultados de la comprensión de imágenes deben revisarse antes de usarlos en decisiones de gran impacto, críticas para la seguridad, jurídicas, médicas o financieras. No dependas del texto generado como sustituto de una inspección experta.
API Image-to-Text de Grok 4.6 frente a la competencia: análisis comparativo
-
Grok 4.6 Image-to-Text frente a Grok 4.5 Image-to-Text
Grok 4.5 ofrece una opción consolidada para flujos de trabajo de preguntas y respuestas visuales. Grok 4.6 es la generación de modelos más reciente para equipos que evalúan un razonamiento más sólido sobre solicitudes basadas en imágenes. -
Grok 4.6 Image-to-Text frente a Gemini 3.7 Flash Image-to-Text
Gemini 3.7 Flash ofrece una familia eficiente de modelos multimodales. Grok 4.6 Image-to-Text proporciona una ruta específica de Flaq para equipos que desean probar el razonamiento visual de xAI en un flujo de trabajo con entrada visual y salida de texto. -
Grok 4.6 Image-to-Text frente a GPT 5.6 Terra Image-to-Text
Los modelos visuales de GPT 5.6 Terra se utilizan habitualmente para tareas multimodales de uso general. Grok 4.6 es una alternativa útil cuando el flujo de trabajo valora la familia de modelos de xAI orientada al razonamiento y la programación junto con el análisis visual. -
Grok 4.6 Image-to-Text frente a Claude Vision
Los modelos de visión de Claude pueden ser adecuados para tareas explicativas y orientadas a documentos. Grok 4.6 Image-to-Text ofrece a los desarrolladores otra opción de API para preguntas basadas en imágenes, revisiones y flujos de trabajo operativos. -
Grok 4.6 Image-to-Text frente a Gemini 3.6 Flash Image-to-Text
Gemini 3.6 Flash equilibra una amplia capacidad multimodal con un funcionamiento eficiente. Grok 4.6 es un candidato sólido para evaluar cuando las solicitudes visuales también requieren un razonamiento técnico detallado en texto.