Essayez Grok 4.6 API de xAI pour Image-to-Text, les Q&R visuelles, l’OCR, l’analyse et les réponses multimodales en streaming via l’API unifiée et stable de Flaq AI.
Modèles Grok 4.6 associés
Exemples d'API
Exemple d'envoi
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);
}
}
}
Exemple d'envoi
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)
Exemple d'envoi
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
}'
Tarifs de Grok 4.6 Image to Text
| Paramètres | Prix | Prix d’origine | Remise |
|---|
Modèles associés
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 Grok 4.6 Image-to-Text (raisonnement et analyse visuels)
L'API Grok 4.6 Image-to-Text associe le modèle textuel de xAI axé sur le raisonnement à la compréhension d'images sur Flaq AI. Elle permet aux applications d'envoyer une entrée visuelle ciblée accompagnée d'une instruction, puis de recevoir un texte qui explique, extrait, compare ou analyse le contenu de l'image. Cette intégration de l'API de vision Grok est conçue pour les flux dans lesquels les éléments visuels doivent être transformés en réponse exploitable, en observation technique ou en prochaine étape structurée.
Fonctionnalités clés de l'API Grok 4.6 Image-to-Text
-
Analyse fondée sur l'image : Posez des questions au sujet d'une image fournie et recevez des réponses textuelles liées aux détails visibles, à la disposition, aux objets et au contexte.
-
Raisonnement du visuel vers le texte : Associez une image à des instructions en langage naturel pour des flux d'explication, de comparaison, de dépannage et d'analyse.
-
Entrée d'image ciblée : Fournissez l'entrée d'image configurée pour la route avec une instruction de tâche claire, afin que les flux de questions sur les images restent simples à intégrer.
-
Assistance à l'inspection technique : Utilisez le contexte visuel pour la revue d'interfaces, l'interprétation de captures d'écran, l'explication de diagrammes, le tri des retours produit et d'autres tâches similaires produisant du texte.
-
Requêtes conversationnelles contrôlées : Associez les questions sur les images à un contexte de messages structuré pour permettre aux applications de préciser le cadre de la tâche, les exigences antérieures et les prompts de suivi.
-
Résultats centrés sur le texte : Recevez un texte généré prêt pour la revue, l'affichage, le routage ou l'utilisation par un processus en aval, plutôt que de traiter cette route comme un point de terminaison de génération d'images.
Comment utiliser l'API Grok 4.6 Image-to-Text sur Flaq AI
-
Entrée : Une image prise en charge accompagnée d'une requête en langage naturel décrivant la question, l'objectif d'extraction ou la tâche d'analyse.
-
Sortie : Des réponses textuelles qui décrivent, expliquent, comparent ou analysent le contenu visuel fourni.
-
Transmission de l'image : Utilisez le format de requête Flaq AI configuré pour l'entrée d'image dans le flux de votre application.
-
Capacités : Analyse de captures d'écran, réponse visuelle aux questions, explication fondée sur l'image, revue de contenu et extraction de détails.
Meilleurs cas d'usage pour l'intégration de l'API Grok 4.6 Image-to-Text
-
Revue de captures d'écran et d'interfaces : Expliquez des interfaces, identifiez les états visibles, résumez les retours ou transformez une capture d'écran en description de problème directement exploitable par un développeur.
-
Assistance pour les produits et catalogues : Extrayez les détails observables des produits, générez des ébauches d'attributs et facilitez la revue humaine des soumissions visuelles.
-
Tri du support technique : Aidez les équipes à interpréter les captures d'écran d'erreurs, les photos d'appareils ou les images d'installation avant d'acheminer un dossier vers un opérateur.
-
Explication de documents et de diagrammes : Convertissez des graphiques, des diagrammes, des diapositives et des références visuelles en observations textuelles claires et en questions de suivi.
-
Opérations de contenu : Prenez en charge les files de modération, la rédaction de contenus d'accessibilité et les flux de description d'images dans lesquels la revue finale reste assurée par des humains.
Remarque Les résultats de compréhension d'images doivent être vérifiés avant toute utilisation dans des décisions à fort impact, critiques pour la sécurité, juridiques, médicales ou financières. Ne considérez pas le texte généré comme un substitut à l'examen d'un expert.
API Grok 4.6 Image-to-Text et concurrents : analyse comparative
-
Grok 4.6 Image-to-Text contre Grok 4.5 Image-to-Text
Grok 4.5 offre une option éprouvée pour les flux de questions-réponses visuelles. Grok 4.6 est la nouvelle génération de modèle pour les équipes qui évaluent un raisonnement plus avancé sur les requêtes fondées sur des images. -
Grok 4.6 Image-to-Text contre Gemini 3.7 Flash Image-to-Text
Gemini 3.7 Flash propose une famille de modèles multimodaux efficace. Grok 4.6 Image-to-Text fournit une route Flaq ciblée aux équipes qui souhaitent tester le raisonnement visuel de xAI dans un flux avec entrée visuelle et sortie textuelle. -
Grok 4.6 Image-to-Text contre GPT 5.6 Terra Image-to-Text
Les modèles visuels GPT 5.6 Terra sont couramment utilisés pour les tâches multimodales généralistes. Grok 4.6 est une alternative utile lorsque le flux valorise la famille de modèles xAI axée sur le raisonnement et la programmation, en plus de l'analyse visuelle. -
Grok 4.6 Image-to-Text contre Claude Vision
Les modèles Claude Vision peuvent être bien adaptés aux explications et aux tâches liées aux documents. Grok 4.6 Image-to-Text offre aux développeurs une autre option d'API pour les questions fondées sur des images, les revues et les flux opérationnels. -
Grok 4.6 Image-to-Text contre Gemini 3.6 Flash Image-to-Text
Gemini 3.6 Flash concilie de vastes capacités multimodales et un fonctionnement efficace. Grok 4.6 est un candidat solide à évaluer lorsque les requêtes visuelles nécessitent également un raisonnement technique détaillé sous forme de texte.