Prueba gratis la API de Grok 4 para razonamiento multimodal, preguntas y respuestas visuales, OCR y comprensión de imágenes. Acceso estable a xAI para aplicaciones de IA en producción.
Modelos Grok 4 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-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-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-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 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-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 Grok 4 Image-to-Text rápida y asequible (modelo de comprensión visual de xAI)
La API Grok 4 Image-to-Text en Flaq AI ofrece acceso al modelo de xAI para comprensión visual, análisis de imágenes y flujos de razonamiento multimodal. Esta integración de la API Grok ayuda a los desarrolladores a convertir imágenes subidas en descripciones, detalles extraídos, respuestas y resúmenes estructurados mediante una ruta gestionada estable. Está diseñada para equipos que quieren capacidad image-to-text con xAI sin crear infraestructura específica de proveedores.
Funciones clave de la API Grok 4 Image-to-Text
- Comprensión visual: Analiza imágenes subidas, capturas de pantalla, objetos, diseños y detalles visuales mediante razonamiento de modelo multimodal.
- Respuestas basadas en imagen: Haz preguntas específicas en lenguaje natural sobre una imagen y recibe respuestas de texto enfocadas.
- Flujos prácticos de extracción: Convierte contenido visual en descripciones, resúmenes, etiquetas y detalles estructurados para aplicaciones.
- Salida con contexto conversacional: Admite preguntas de seguimiento y revisión visual iterativa con contexto flexible.
- Controles amigables para desarrolladores: Orienta la longitud de la respuesta, el nivel de detalle y la dirección de la tarea mediante configuración práctica en Flaq AI.
- Integración xAI gestionada: Añade capacidad image-to-text de Grok mediante una ruta de API estable con comportamiento claro de entrada y salida.
Cómo usar la API Grok 4 Image-to-Text para análisis visual en Flaq AI
- Entrada: Contenido de imagen subido más instrucciones en lenguaje natural que describen la tarea de análisis, extracción o razonamiento.
- Salida: Descripciones de texto, detalles extraídos, razonamiento visual o resúmenes estructurados de imágenes subidas.
- Configuración de ruta: Diseñada para flujos enfocados de comprensión de imagen con soporte de entrada de imagen específico de la ruta.
- Configuración: Admite controles prácticos de salida para la longitud de la respuesta, el nivel de detalle y la dirección de la tarea.
- Capacidades: Comprensión de imagen, extracción estilo OCR, QA visual, revisión de capturas de pantalla, inspección de productos y razonamiento multimodal mediante la integración de la API xAI Grok.
Mejores casos de uso para la integración de la API Grok 4 Image-to-Text
- Análisis de capturas de pantalla e interfaces: Extrae detalles de UI, resume pantallas y documenta flujos de producto a partir de imágenes.
- Revisión de productos y catálogos: Genera descripciones de productos, identifica atributos y compara diferencias visuales.
- QA de activos creativos: Revisa anuncios, visuales sociales, mockups y exportaciones de diseño para detectar detalles y consistencia de contenido.
- Comprensión de imágenes documentales: Analiza formularios, recibos, diagramas y materiales de referencia basados en imágenes.
- Flujos de accesibilidad: Produce descripciones de imágenes y resúmenes visuales que facilitan entender y reutilizar los medios.
Nota Asegúrate de que los prompts, las imágenes subidas y los flujos de aplicación cumplan con las directrices de seguridad y uso de xAI. Si ocurre un error, revisa la entrada en busca de contenido restringido, simplifica la solicitud e inténtalo de nuevo.
Grok 4 Image-to-Text vs competidores: análisis comparativo
-
Grok 4 Image-to-Text vs. GPT Image-to-Text
Las rutas GPT image-to-text ofrecen comportamiento multimodal nativo de OpenAI. Grok 4 Image-to-Text proporciona una ruta xAI para comprensión visual y flujos de API gestionada. -
Grok 4 Image-to-Text vs. Gemini Image-to-Text
Gemini image-to-text es sólido para usuarios de modelos Google y análisis visual rápido. Grok 4 Image-to-Text da a los equipos una alternativa xAI para funciones de producto multimodales. -
Grok 4 Image-to-Text vs. Claude File Analysis
Claude file analysis es sólido para razonamiento cuidadoso sobre documentos y adjuntos. Grok 4 Image-to-Text se centra en respuestas basadas en imagen y flujos de extracción visual. -
Grok 4 Image-to-Text vs. flujos de visión Qwen
Los flujos de visión Qwen ofrecen alternativas de modelo Alibaba. Grok 4 Image-to-Text es útil para equipos que quieren comprensión visual con xAI en su mezcla de modelos. -
Grok 4 Image-to-Text vs. modelos Llama Vision
Los modelos Llama Vision proporcionan flexibilidad de despliegue de modelo abierto. Grok 4 Image-to-Text elimina el trabajo de hospedaje y da a los desarrolladores una ruta gestionada estable.