Grok 上線影像理解功能：支援拍照識圖解釋梗圖，限 X 付費使用者

在 X 上刷到看不懂的梗圖，現在可以順手扔給 AI 試試了。

週一，xAI 正式給旗下的 Grok 聊天機器人加上了影像理解功能。X 平臺的付費訂閱使用者現在可以直接上傳照片，向 Grok 提問或者索取分析。

看得懂梗圖，下一步看文件

馬斯克在 X 上發帖提到，這項新功能甚至能幫人解釋圖片裡的笑話或表情包。不過他也承認功能還處於早期階段，後續會快速迭代。

今年 8 月釋出 Grok-2 時，xAI 靠接入 Black Forest Labs 的 FLUX.1 帶來了生圖能力，當時就承諾過會補上多模態理解。面對有使用者抱怨 Grok 還不能處理 PDF 等檔案格式，馬斯克回應稱不會等太久，還宣稱別人花幾年做的事他們幾個月就能搞定。

為什麼重要

對普通使用者來說，Grok 終於補齊了主流大模型最基礎的看圖能力。把它直接嵌在社交平臺裡，隨手分析截圖和梗圖的體驗相當順手。

在行業層面，這看起來是 xAI 追趕 GPT-4o 和 Claude 的關鍵一步。馬斯克的思路很清晰：把多模態能力打包進 X 的付費會員，一邊給社交平臺賣會員增收，一邊反哺模型迭代。

我們認為，雖然馬斯克號稱迭代速度遠超同行，但簡單的影像識別只是及格線。接下來能否穩定解析複雜文件、PDF 以及在開發者 API 裡全面鋪開，才是檢驗 xAI 真實工程實力的試金石。