最先端の視覚推論
MMMUなどのベンチマークでGPT-4oに匹敵、またはそれを上回り、図表、科学チャート、複雑な視覚的ロジックの解釈に優れています。
Grok 2 Image
grok 4 imageは、xAIが提供する最先端のマルチモーダルモデルです。正確な視覚的推論とリアルタイムの情報アクセスを組み合わせ、128kのコンテキストウィンドウ全体で、複雑なチャート、OCRデータ、UIデザインを業界最高水準の精度で解釈します。
API 利用例
Submit a Request
curl --request POST "https://gptproto.com/v1/images/generations" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "grok-2-image",
"prompt": "a cat.",
"n": 1
}'Grok 2 Image の料金
1回のサンプル費用から始め、テスト予算を選びます。GPTProto 料金は表示価格より 40% お得です。
利用量
$0.042 / 枚
関連モデル
すべてのモデル
| モデル | 解像度 | 入力 → 出力 | ||
|---|---|---|---|---|
| $0.04 / 1回あたり | — | 入力: テキスト 出力: 画像 | |
| $7.60 / $28.50 per 1M | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $7.60 / $28.50 per 1M | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| — | $0.04 / 1回あたり | 1K · 2K · more | 入力: テキスト入力: 画像 出力: 画像 | |
| $0.04 / 1回あたり | 1K · 2K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.02 / 1回あたり | 1K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.04 / 1回あたり | 1K · 2K · 4K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $6.40 / $24.00 per 1M | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.04 / 1回あたり | 1K · 2K · 4K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.03 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.03 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.01 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.02 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| — | $0.14 / 1回あたり | — | 入力: テキスト 出力: 画像 | |
| $0.04 / 1回あたり | — | 入力: テキスト 出力: 画像 | ||
| — | $0.01 / 1回あたり | — | 入力: 画像 出力: 画像 | |
| — | $0.02 / 1回あたり | — | 入力: 画像 出力: 画像 | |
| $0.03 / 1回あたり | — | 入力: テキスト 出力: 画像 | ||
| $0.06 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.03 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.05 / 1回あたり | — | 入力: 画像 出力: 画像 | ||
| $0.05 / 1回あたり | — | 入力: 画像 出力: 画像 | ||
| $0.05 / 1回あたり | — | 入力: テキスト 出力: 画像 | ||
| $0.06 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 |
grok 4 imageの主な特徴
grok 4 imageをマルチモーダルAI分野のリーダーたらしめる、技術的な能力をご覧ください。
高精度OCR
高密度な文書、手書きのメモ、コントラストの低い環境写真から、テキストを高い精度で正確に抽出します。
空間知能
オブジェクト同士の相対的な位置関係の特定や、2Dフレーム内での寸法の推定において高い性能を発揮し、ジオメトリタスクに対応します。
ビジュアルからコードへ
UIワイヤーフレームやスケッチを、機能するReact、Tailwind、Pythonコードに変換し、迅速なプロトタイピングを実現します。
grok 4 image FAQ：知っておきたいすべてのこと
料金、移行、リアルタイム機能など、ビジョンタスクでgrok 4 imageを使用する際によくある質問への回答をご紹介します。
grok 4 imageはリアルタイムニュースにどのように対応しますか？
grokモデルは、Xのデータストリームと独自に統合されています。これにより、速報ニュースの写真やシンボルなどの画像を現在の世界情勢の中で解釈でき、古い知識カットオフのために他のビジョンモデルでは実現できない洞察を提供します。この統合により、刻々と変化する状況におけるタイムリーな分析やソーシャルメディアのモニタリングにおいて、grokはより優れた選択肢となります。
grokのビジョンタスクにおけるコンテキストウィンドウのサイズはどのくらいですか？
このモデルは、131,072トークン（128k）という大規模なコンテキストウィンドウに対応しています。これにより、複雑な推論サイクル中でも一貫性や詳細を失うことなく、大量の画像データと広範なテキスト指示やドキュメント履歴を同時に処理できます。同一セッション内で新しいデータを分析しながら、モデルが以前の視覚入力を記憶する必要があるマルチステップタスクに特に効果的です。
grok 4 imageを使ってUIからコードを生成できますか？
はい。grokビジョンシリーズの最大の特長の一つは、ワイヤーフレームやホワイトボードのスケッチをコードに変換できることです。アップロードされた画像内の空間レイアウトやデザイン要素を分析し、React、Tailwind、Pythonのボイラープレートを生成できます。これによりフロントエンド開発のプロセスが効率化され、チームは手作業を大幅に減らしながら、視覚的なコンセプトから機能的なプロトタイプへ移行できます。
grokの画像リクエストの料金体系を教えてください。
当社のプラットフォームは競争力のある料金を提供しています。入力トークン100万個あたり5.00ドル、出力トークン100万個あたり15.00ドルです。画像は解像度に基づいてトークン化され、一般的な高解像度画像では、具体的なピクセルとトークンの比率に応じて、およそ1,000～3,000トークンを消費します。この透明性の高い料金体系により、視覚的な複雑さにかかわらず、アプリケーションのマルチモーダル処理への需要が拡大しても、予測可能なスケーリングが可能です。
私の画像データはgrokモデルのトレーニングに使用されますか？
いいえ。プライバシーとE-E-A-T基準は、当社のサービスの中心です。GPTProto.comのAPI集約レイヤーを通じて送信されたリクエストが、xAIによるモデルのトレーニングや改善に利用されることはありません。お客様の独自のビジュアルデータとプロンプトが安全かつプライベートに保護されるよう徹底し、すべてのプロフェッショナルユーザーに対して、エンタープライズレベルのコンプライアンスとデータ主権に関する厳格な要件を満たしています。
GPT-4oからgrok 4 imageへ移行するにはどうすればよいですか？
grok APIはOpenAI互換であるため、移行はスムーズです。ベースURLを更新し、モデル識別子をgrokビジョンの名称に変更するだけで利用できます。コンテンツ配列（textおよびimage_url）のメッセージ構造は同一のままなので、既存の画像処理パイプラインは最小限のコード変更で引き続き機能し、xAI独自の推論能力を利用できるようになります。
関連シナリオ
関連記事
このモデルに関連するガイド、比較、最新情報。
すべての記事
xAI Grok APIの料金 2026年版：モデル、トークン料金、コストガイド
2026年のxAI Grok APIの料金が気になっていますか？このガイドでは、すべてのGrokモデルのトークン料金、サブスクリプションプラン、無料クレジット、GPTやClaudeとの比較を詳しく解説します。料金を払いすぎずに最適なプランを選べるようになります。
grokサーバーのステータスを監視：xAIスーパーコンピューティングの鼓動
AIワークフローをスムーズに保つため、grokサーバーのステータスを常に確認しましょう。xAIのインフラがパフォーマンスと信頼性に与える影響について解説します。
Grok API：フィルタリングされない力と隠れた料金
Grok APIは生のリアルタイムデータを提供しますが、高額なモデレーション料金が隠れています。コストを管理し、よりスマートなアプリケーションを今すぐ構築する方法を学びましょう。