导读：用户和开发者们很快就可以将图像输入 Grok 获得基于文本的答案啦。

以下内容是根据xAI公开的开发者门户中文档创作。其网站地址为：

https://developers.x.ai/python-sdk/sampler/

以下是xAI 开发者平台的屏幕截图：

这表示，埃隆·马斯克 (Elon Musk) 的人工智能企业 xAI 在为自己的 Grok 聊天机器人添加多模式输入方面，取得了突破性进展。

从技术进展上，很快用户就可以将图片上传到 Grok 并接收到基于文本的答案。

xAI 在前不久的一篇博客（https://x.ai/blog/grok-1.5v）中首次透露了这一消息，该团队称 Grok-1.5V 将提供“多个领域的多模态模型”。从此次开发者文档的最新更新中，展示了推出新语言模型的进展。

在开发者文档中，示例 Python 脚本演示了开发者如何使用 xAI 软件开发工具包库根据文本与图像生成返回内容。

以下的Python代码是读取图像文件，然后设置文本提示语，并使用 xAI SDK 生成响应和返回。

这将是 Grok 模型的一次重大更新。

xAI 于 2023 年 11 月首次发布，可供付费订阅 X Premium Plus 的用户使用。其上一次更新是 3 月份的 Grok 1.5，其推理能力亦有所提升。

根据 X 上的一篇博客文章指出，该语言模型“基于截至 2023 年第三季度的互联网公开来源，包括各种文本数据以及由……人类审阅者和策划的数据集”进行了训练。

而前一版本的 Grok -1 未经过太多的数据训练。而如今的Grok 确实拥有“关于世界的最新实时知识”，包括 X 上的最新帖子。

xAI 由埃隆·马斯克 (Elon Musk) 于 2023 年 3 月创立，在人工智能领域相对较新，目前落后于 OpenAI 的 ChatGPT 等产品。

根据xAI 的博客文章所描述，他们的 Grok 1.5 模型正在缩小与 GPT-4 在各种基准上的差距，例如涵盖小学到高中各种竞赛问题。值得开发者注意的是，大型语言模型的基准经常受到人们批评，因为如果这些基准包含在训练数据中，模型就可以在基准上表现良好。这有点像记住考试的标准答案，而不是实际学习中的材料。

多模态会话聊天机器人大概率是人工智能的下一个前沿领域，这在前几天的Google I/O 大会上可见一斑，Google宣布了多项技术进步，而 OpenAI 也发布了 GPT-4o，

而 Grok 正在一直缺乏多模态功能，导致它落后于其它大语言模型的技术能力。

而现在，它正在加上速度追赶行业领先者，到达最新大语言模型的里程碑～

作者：场长