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。

$ 0.042

$ 0.07

text

image

$ 0.042

$ 0.07

text

image

API

テキストから画像へ

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 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。

Cinematic aerial view of a post-apocalyptic Tokyo at sunrise, overgrown with massive glowing cherry blossom trees that emit pink particles, abandoned Shibuya crossing completely covered in petals, giant broken holographic billboards still flickering, golden rays piercing through thick fog, thousands of crows flying overhead, ultra-realistic, shot on 70mm IMAX, anamorphic lens flares, emotional masterpiece, 8K

Prompt

After

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。

Prompt

After

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。

Cinematic aerial shot of a colossal biomechanical city-ship drifting through a nebula at golden hour, intricate organic-metallic architecture covered in bioluminescent veins, massive translucent wings made of light, thousands of tiny ships swarming like fireflies, warm rim lighting against cold cosmic background, shot on 65mm IMAX film, anamorphic lens flares, insane detail, photorealistic, 8K

Prompt

After

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。

Prompt

After

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。

Hyper-realistic classical oil painting portrait of a 24-year-old East Asian woman with porcelain skin and subtle freckles, wearing 18th century European aristocratic attire with intricate lace and pearls, soft Rembrandt lighting, dramatic chiaroscuro, individual strands of hair, micro skin texture, in the style of John Singer Sargent and Bouguereau, museum quality, 8K

Prompt

After

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。

Prompt

After

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。

Dramatic panoramic view of Shanghai Bund 200 years after apocalypse, iconic skyline completely overtaken by massive glowing mushrooms and vines, Oriental Pearl Tower wrapped in bioluminescent flora, aurora borealis in the sky, abandoned ships floating in the Huangpu River covered in moss, lone figure standing on the bund, emotional and hauntingly beautiful, hyper-realistic, 8K

Prompt

After

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。

Prompt

After

grok-2-image APIキーの取得方法

grok-2-image APIキーの取得は、4つのステップで数分で完了します。GPTProtoの無料アカウントを作成し、クレジットを追加してキーを生成し、最初のAPIコールを行ってください。$0.042 GPTProto経由であれば、直接契約するよりも安価にgrok-2-image APIキーを利用でき、1つのキーでプラットフォーム上のすべてのモデルにアクセス可能です。詳細はgrok-2-image ドキュメントをご覧ください。

サインアップ

無料のGPT Protoアカウントを作成して開始しましょう。チーム用の組織はいつでも設定可能です。

チャージ

残高はgrok-2-imageを含むプラットフォーム上の全モデルで利用可能です。必要に応じて柔軟に実験やスケールアップを行えます。

APIキーを生成

ダッシュボードでAPIキーを作成してください。grok-2-imageへのリクエスト時に認証用として必要になります。

最初のAPIコールを実行

サンプルコードでAPIキーを使用し、GPT Proto経由でgrok-2-imageにリクエストを送信して、AIによる結果をすぐに確認しましょう。

APIキーを取得

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。