xAI/grok-4.6-image-to-text

grok-4.6-image-to-text

Prova Grok 4.6 API di xAI per Image-to-Text, Q&A visivo, OCR, analisi e risposte multimodali in streaming tramite l’API unificata e stabile di Flaq AI.

Image Chat

Modelli Grok 4.6 correlati

grok-4.6-text-to-texttext-to-text

grok-4.6-image-to-textimage-to-text

Documentazione

Esempi API

JavaScriptPythoncURL

Esempio di invio

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
  })
});

if (!response.ok) {
  const errorBody = await response.json().catch(() => null);
  throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}

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(/\r?\n\r?\n/);
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split(/\r?\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);
    }
  }
}

Esempio di invio

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)

Esempio di invio

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
  }'

Avvia una nuova chat

Invia un messaggio per iniziare.

Prezzi di Grok 4.6 Image to Text

Parametri	Prezzo	Prezzo originale	Sconto

Token: input	$2.0000 per 1 M token di input	-	Standard
Token: output	$6.0000 per 1 M token di output	-	Standard

README

API Image-to-Text Grok 4.6 (ragionamento e analisi visiva)

L'API Image-to-Text Grok 4.6 combina su Flaq AI il modello testuale di xAI orientato al ragionamento con la comprensione delle immagini. Consente alle applicazioni di inviare un input visivo mirato insieme a un'istruzione e di ricevere un testo che spiega, estrae, confronta o analizza il contenuto dell'immagine. Questa integrazione dell'API vision di Grok è progettata per flussi di lavoro in cui le prove visive devono diventare una risposta utilizzabile, un'osservazione tecnica o un passaggio successivo strutturato.

Funzionalità principali dell'API Image-to-Text Grok 4.6

Analisi basata sull'immagine: poni domande su un'immagine fornita e ricevi risposte testuali legate ai dettagli visibili, al layout, agli oggetti e al contesto.
Ragionamento dal contenuto visivo al testo: combina un'immagine con istruzioni in linguaggio naturale per spiegazioni, confronti, risoluzione dei problemi e flussi di lavoro analitici.
Input immagine mirato: fornisci l'input immagine configurato per la route con un'istruzione chiara sull'attività, mantenendo semplici da integrare i flussi di lavoro basati su domande sulle immagini.
Assistenza all'ispezione tecnica: usa il contesto visivo per la revisione delle interfacce, l'interpretazione degli screenshot, la spiegazione di diagrammi, la classificazione dei feedback sui prodotti e attività analoghe con output testuale.
Richieste conversazionali controllate: abbina le domande sulle immagini a un contesto di messaggi strutturato, affinché le applicazioni possano fornire l'inquadramento dell'attività, requisiti precedenti e prompt di follow-up.
Risultati incentrati sul testo: ricevi testo generato pronto per la revisione, la visualizzazione, l'instradamento o l'uso da parte di un flusso di lavoro a valle, invece di trattare la route come un endpoint per la generazione di immagini.

Come utilizzare l'API Image-to-Text Grok 4.6 su Flaq AI

Dati di ingresso: un'immagine supportata insieme a una richiesta in linguaggio naturale che descrive la domanda, l'obiettivo di estrazione o l'attività di analisi.
Risultato: risposte testuali che descrivono, spiegano, confrontano o analizzano il contenuto visivo fornito.
Invio dell'immagine: usa nel flusso di lavoro della tua applicazione il formato di richiesta Flaq AI configurato per l'input immagine.
Capacità: analisi di screenshot, risposta a domande visive, spiegazione basata sulle immagini, revisione dei contenuti ed estrazione dei dettagli.

Migliori casi d'uso per l'integrazione dell'API Image-to-Text Grok 4.6

Revisione di screenshot e UI: spiega le interfacce, identifica gli stati visibili, riepiloga i feedback o trasforma uno screenshot in una descrizione del problema pronta per gli sviluppatori.
Assistenza per prodotti e cataloghi: estrai dettagli osservabili dei prodotti, genera bozze degli attributi e supporta la revisione umana dei contenuti visivi inviati.
Classificazione del supporto tecnico: aiuta i team a interpretare screenshot di errori, foto di dispositivi o immagini di configurazione prima di inoltrare un caso a un operatore.
Spiegazione di documenti e diagrammi: trasforma grafici, diagrammi, slide e riferimenti visivi in chiare osservazioni testuali e domande di follow-up.
Operazioni sui contenuti: supporta le code di moderazione, la stesura per l'accessibilità e i flussi di lavoro per la descrizione delle immagini, mantenendo la revisione finale in capo agli esseri umani.

Nota I risultati della comprensione delle immagini devono essere esaminati prima dell'uso in decisioni ad alto impatto, critiche per la sicurezza, legali, mediche o finanziarie. Non affidarti al testo generato come sostituto dell'ispezione di un esperto.

API Image-to-Text Grok 4.6 e concorrenti: analisi comparativa

Grok 4.6 Image-to-Text e Grok 4.5 Image-to-Text
Grok 4.5 offre un'opzione consolidata per i flussi di lavoro di domande e risposte visive. Grok 4.6 è la generazione di modelli più recente per i team che valutano un ragionamento più solido sulle richieste basate sulle immagini.
Grok 4.6 Image-to-Text e Gemini 3.7 Flash Image-to-Text
Gemini 3.7 Flash offre una famiglia di modelli multimodali efficiente. Grok 4.6 Image-to-Text fornisce una route Flaq mirata ai team che desiderano testare il ragionamento visivo di xAI in un flusso di lavoro con input visivo e output testuale.
Grok 4.6 Image-to-Text e GPT 5.6 Terra Image-to-Text
I modelli visivi GPT 5.6 Terra vengono comunemente utilizzati per attività multimodali generiche. Grok 4.6 è un'alternativa utile quando il flusso di lavoro valorizza la famiglia di modelli xAI orientata al ragionamento e alla programmazione insieme all'analisi visiva.
Grok 4.6 Image-to-Text e Claude Vision
I modelli vision di Claude possono essere adatti ad attività esplicative e orientate ai documenti. Grok 4.6 Image-to-Text offre agli sviluppatori un'altra opzione API per domande basate sulle immagini, revisioni e flussi di lavoro operativi.
Grok 4.6 Image-to-Text e Gemini 3.6 Flash Image-to-Text
Gemini 3.6 Flash bilancia ampie capacità multimodali con un funzionamento efficiente. Grok 4.6 è un valido candidato da valutare quando le richieste visive richiedono anche un ragionamento tecnico dettagliato in forma testuale.