grok-2-image

Grok 4 Image 是 xAI 推出的前沿多模態模型。它結合精準的視覺推理與即時資訊存取能力，能在 128k 上下文視窗中，以業界領先的準確度解讀複雜圖表、OCR 資料與 UI 設計。

$ 0.042

$ 0.07

text

image

$ 0.042

$ 0.07

text

image

API

文字轉圖片

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
  }'

相關模型

所有模型

Bytedance

dola-seedream-5-0-pro-260628

$ 0.0405

$ 0.045

Google

gemini-3.1-flash-lite-image

grok 4 image 的主要功能

探索讓 grok 4 image 成為多模態 AI 領域領導者的技術能力。

高保真 OCR

能精準從密集文件、手寫筆記和低對比度的環境照片中擷取文字，準確度極高。

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

高保真 OCR

能精準從密集文件、手寫筆記和低對比度的環境照片中擷取文字，準確度極高。

Prompt

After

空間智慧

在辨識物件相對位置，以及估算 2D 畫面內物件尺寸等幾何任務中表現出色。

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

空間智慧

在辨識物件相對位置，以及估算 2D 畫面內物件尺寸等幾何任務中表現出色。

Prompt

After

視覺轉程式碼

能有效地將 UI 線框圖或草圖轉換為功能完整的 React、Tailwind 或 Python 程式碼，加速快速原型開發。

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

視覺轉程式碼

能有效地將 UI 線框圖或草圖轉換為功能完整的 React、Tailwind 或 Python 程式碼，加速快速原型開發。

Prompt

After

頂尖視覺推理

在 MMMU 等基準測試中達到或超越 GPT-4o，擅長解讀圖表、科學圖表以及複雜的視覺邏輯。

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

頂尖視覺推理

在 MMMU 等基準測試中達到或超越 GPT-4o，擅長解讀圖表、科學圖表以及複雜的視覺邏輯。

Prompt

After

如何取得 grok-2-image API 金鑰

取得 grok-2-image API 金鑰只需四個步驟，僅需幾分鐘。建立免費的 GPTProto 帳號、儲值、產生金鑰，並進行第一次呼叫 — 在 $0.042 這裡能以比直連更划算的價格取得 grok-2-image API 金鑰，且單一金鑰即可在平台上所有模型通用。完整 grok-2-image 說明文件請參閱說明文件。

註冊

建立您的免費 GPT Proto 帳號即可開始。您可以隨時為您的團隊設定組織。

儲值

您的餘額可用於平台上的所有模型，包括 grok-2-image，讓您能靈活地進行實驗並隨需求擴充。

產生您的 API 金鑰

在您的儀表板中建立 API 金鑰 — 進行 grok-2-image 請求時，您將需要它來進行驗證。

進行第一次 API 呼叫

使用您的 API 金鑰搭配我們的範例程式碼，透過 GPT Proto 向 grok-2-image 發送請求，並立即查看 AI 生成的結果。

取得 API 金鑰

grok 4 image 常見問題：您需要知道的一切

取得關於使用 grok 4 image 執行視覺任務的常見問題解答，包括定價、遷移和即時功能。

grok 4 image 如何處理即時新聞？

grok 模型獨特地整合了 X 資料流。這讓它能在當前全球事件的背景下解讀圖片——例如突發新聞照片或符號——提供其他因知識截止日期較早而無法匹敵的視覺模型所不能提供的洞察。這項整合讓 grok 成為時間敏感型分析和社群媒體監控的絕佳選擇，因為相關情境每分鐘都可能改變。

grok 視覺任務的上下文視窗是多少？

此模型支援 131,072 個 token（128k）的超大上下文視窗。這讓使用者能在複雜的推理過程中，同時處理大量圖片內容與詳盡的文字指示或文件歷史，而不會失去連貫性或細節。對於多步驟任務尤其有效，模型必須記住先前的視覺輸入，同時在同一個工作階段中分析新資料。

我可以使用 grok 4 image 根據 UI 產生程式碼嗎？

可以。grok 視覺系列最強大的功能之一，就是將線框圖或白板草圖轉換為程式碼。它可以透過分析上傳圖片中的空間配置和設計元素，產生 React、Tailwind 或 Python 樣板程式碼。這能簡化前端開發流程，讓團隊以顯著更少的人工投入，從視覺概念快速轉變為功能性原型。

grok 圖片請求的定價結構如何？

我們的平台提供具競爭力的價格：每 1M 個輸入 token 收費 $5.00，每 1M 個輸出 token 收費 $15.00。圖片會根據解析度進行 token 化；典型的高解析度圖片大約會消耗 1,000 至 3,000 個 token，具體取決於像素與 token 的比例。這種透明的定價方式，無論視覺複雜程度為何，都能讓您的應用程式多模態需求成長時實現可預測的擴展。