xAIの「Grok」に画像理解機能が追加、Xの有料ユーザー向けに提供

イーロン・マスク氏率いるxAIが、AIチャットボット「Grok」に画像認識機能を追加しました。Xの有料プラン加入者は、画像をアップロードしてAIに質問できるようになりました。

ミームの解説から文書解析へ

マスク氏の投稿によると、Grokは画像内のジョークやミームの意味を解説することすら可能だといいます。同氏は機能がまだ初期段階にあり、今後急速に改善されると説明しています。

8月にリリースされたGrok-2ではBlack Forest LabsのFLUX.1による画像生成に対応していましたが、今回ようやくマルチモーダルな視覚機能が加わりました。PDFなどのファイル形式に対応していないというユーザーの不満に対し、マスク氏は他社が数年かけたことを数カ月で達成していると述べ、文書対応も近いことを示唆しています。

なぜ重要か

Xの有料ユーザーにとって、タイムライン上で見かけたスクリーンショットや画像をその場でAIに解析させられる実用的な機能です。

業界全体から見れば、xAIが先行するChatGPTやClaudeに追いつくための必須アップデートといえます。マスク氏の狙いは明確で、最先端のマルチモーダル機能をXの課金特典に組み込むことで、プラットフォームの収益化とモデルの利用拡大を同時に狙っています。

画像の理解自体は現在のフロンティアモデルでは標準装備です。マスク氏が豪語するスピード感通りに、複雑なPDFや文書の正確な読み取りまで短期間で実装できるかが、次の評価の分かれ目になりそうです。