Entrada de imagem no Grok 4.7: formatos aceitos, limites de tamanho, uso gratuito e exemplos

O Grok 4.7 consegue ler fotos, capturas de tela, gráficos e anotações manuscritas, mas as regras sobre tipos de arquivo, tamanho e acesso gratuito são fáceis de errar. Este artigo esclarece o que está confirmado, o que não está e quais modelos de leitura de imagem você pode testar hoje.

Entrada de imagem no Grok 4.7: formatos aceitos, limites de tamanho, uso gratuito e exemplos
Cristian Da Conceicao

Você tira uma foto de um recibo, arrasta o arquivo para a janela do chat e a barra de envio trava. Ou pior, termina o envio e a resposta ignora metade da página. Se você tem tentado enviar imagens para o Grok 4.7, provavelmente esbarrou em um de três obstáculos: o tipo de arquivo errado, um arquivo pesado demais ou um plano gratuito que acaba mais rápido do que você esperava.

Este artigo mostra o que se sabe de fato sobre a entrada de imagem no Grok 4.7, o que ainda está nebuloso e como obter bons resultados com uma foto, uma captura de tela ou um gráfico. Ele também indica modelos que você pode usar agora, caso queira uma segunda opinião sobre a mesma imagem.

💡 Resposta rápida: a documentação oficial para desenvolvedores lista JPEG e PNG como tipos de imagem aceitos e um teto de 20 MiB por imagem, sem limite informado para a quantidade de imagens anexadas. Esses números vêm da documentação de imagens da xAI, e os exemplos dela usam o Grok 4.7. Trate os limites dos aplicativos como algo separado, e geralmente mais restritos.

O que o Grok 4.7 aceita como entrada de imagem

O Grok 4.7 é um modelo de chat multimodal da xAI. Isso significa que uma mensagem pode conter texto e imagens juntos, e o modelo raciocina sobre os dois em uma única etapa. Você não precisa usar uma ferramenta de OCR separada e colar o resultado. O modelo analisa os pixels diretamente.

Formatos de arquivo aceitos

A documentação para desenvolvedores cita dois formatos:

  • JPEG (.jpg ou .jpeg)
  • PNG (.png)

Alguns sites de terceiros afirmam que WebP e GIF também funcionam. Não consegui confirmar isso em material oficial, então eu não basearia nada importante nessa informação. Se você tem um arquivo WebP, converter para PNG ou JPEG leva dez segundos e elimina a dúvida.

FormatoSuporte oficialMelhor uso
JPEGSimFotos, digitalizações, arquivos de câmera
PNGSimCapturas de tela, gráficos, diagramas, imagens com muito texto
WebPNão confirmadoConverta antes
GIFNão confirmadoExporte um quadro fixo como PNG
HEIC (padrão do iPhone)Não confirmadoConverta para JPEG antes do envio

Mesa com um notebook mostrando uma grade de miniaturas de fotos em JPEG e PNG ao lado de um leitor de cartão

JPEG ou PNG: qual vence

Para a foto de um documento, o JPEG serve bem. A compressão é suave em qualidade alta e o arquivo continua pequeno. Para uma captura de tela com texto fino, o PNG é mais seguro porque não tem perda de dados, então as letras pequenas não se misturam. Uma fonte de 11 pontos desfocada em um JPEG é o motivo mais comum de o modelo ler uma linha errada.

Quantas imagens por solicitação

A documentação diz que não há número máximo de imagens. Na prática, cada imagem ainda consome tokens e ocupa a janela de contexto, então dez imagens grandes em uma mensagem serão mais lentas e mais caras do que três bem escolhidas. A qualidade da seleção vale mais do que a quantidade.

Limites de tamanho que importam

Os limites existem em camadas. Há um limite por arquivo, um limite por solicitação e um limite da janela de contexto. A maioria das pessoas só percebe o primeiro.

O teto de 20 MiB

O número oficial é 20 MiB por imagem. Um MiB é um pouco maior que um megabyte (1 MiB equivale a cerca de 1,05 MB), então um arquivo que aparece como "20,5 MB" no seu gerenciador de arquivos ainda pode passar. Uma foto moderna de celular costuma ter entre 2 e 6 MB, então o teto raramente é atingido, a menos que você envie digitalizações não compactadas, exportações RAW convertidas para PNG ou panorâmicas muito grandes.

Fotógrafo em um estúdio de sótão conferindo uma impressão grande ao lado de uma câmera e de um notebook aberto

Limites dos aplicativos versus limites da API

É aqui que começa a confusão. Um artigo de solução de problemas para o aplicativo de consumo recomenda manter os envios abaixo de cerca de 10 MB, que é mais restrito do que o número para desenvolvedores. Isso é plausível: os aplicativos costumam adicionar suas próprias travas sobre o limite do modelo. Como a xAI não publica um único número para o consumidor que eu pudesse verificar, o hábito seguro é:

  1. Procure ficar abaixo de 10 MB no aplicativo.
  2. Procure ficar abaixo de 20 MiB pela API.
  3. Se um envio falhar, reduza o arquivo primeiro e investigue depois.

Resolução não é o mesmo que tamanho do arquivo

Uma captura de tela com 4.000 pixels de largura pode ocupar pouco espaço no disco se for composta quase só por cores chapadas, e uma foto de 1.500 pixels de largura de uma parede texturizada pode ser pesada. O modelo não se beneficia de uma resolução absurda. Imagens grandes costumam ser reduzidas internamente, então enviar uma digitalização de 12.000 pixels resulta em envios mais lentos e nenhuma precisão extra. Um lado maior entre 1.500 e 3.000 pixels é o ponto ideal para documentos.

Como reduzir um arquivo grande demais

Quando um arquivo passa do limite, siga esta ordem:

  • Exporte novamente como JPEG com qualidade entre 80 e 85 por cento.
  • Redimensione o lado maior para 2.500 pixels.
  • Corte margens, mesa, dedos e tudo o que não for relevante.
  • Em digitalizações de várias páginas, envie cada página como uma imagem separada em vez de um único arquivo grande costurado.

💡 O corte é a correção mais subestimada. Um recorte bem feito da tabela que interessa vale mais do que uma foto da página inteira, porque o modelo concentra a atenção no conteúdo e não na xícara de café.

Uso gratuito, com honestidade

Quem pesquisa por "gratuito" geralmente quer uma de duas coisas: testar o Grok 4.7 com imagens sem pagar, ou evitar uma cobrança ao construir algo. São situações diferentes.

Acesso gratuito no aplicativo

A xAI já ofereceu uso gratuito limitado do Grok em seus próprios aplicativos, e os anexos de imagem têm feito parte dessa experiência em geral. O problema é que os limites diários de mensagens, a disponibilidade dos modelos e a versão com a qual você está conversando podem mudar sem aviso. Não consegui confirmar uma cota gratuita estável e publicada especificamente para o Grok 4.7, então verifique o seletor de modelos e o aviso de uso dentro do aplicativo antes de planejar um projeto com base nisso.

Estudante no sofá segurando um celular com um chat aberto e um diagrama de livro didático sobre os joelhos

Pagando pela API

Para desenvolvedores, a entrada de imagem é cobrada em tokens. Uma imagem é convertida em um número de tokens que depende do tamanho dela, e esse valor é somado ao custo do seu prompt. Por isso, redimensionar não é apenas uma dica de velocidade, mas também de orçamento. Enviar um recorte de 1.600 pixels em vez de um original de 6.000 pixels costuma produzir a mesma resposta por uma fração do custo.

Formas gratuitas de testar antes de se comprometer

Se você quer avaliar a leitura de imagens sem gastar nada:

  • Use algumas imagens representativas do seu trabalho real, não amostras de banco de imagens.
  • Faça a mesma pergunta a dois ou três modelos e compare.
  • Verifique se o modelo cita o texto exatamente ou o parafraseia. Isso diz mais do que qualquer benchmark.

Cinco exemplos que funcionam

Regras abstratas são maçantes. Aqui estão situações práticas em que a entrada de imagem se paga, com o estilo de prompt que tende a funcionar.

Recibos e notas fiscais

Fotografe o recibo sobre uma superfície plana, com luz do dia e com o celular paralelo ao papel. Depois, peça uma saída estruturada.

Mãos de um homem segurando um smartphone sobre um recibo de papel amassado em uma mesa de madeira escura

Exemplo de prompt: "Leia este recibo. Liste cada item com seu preço e depois me dê o subtotal, os impostos e a gorjeta em formato de tabela. Sinalize qualquer linha que você não conseguiu ler com clareza."

A última frase faz diferença. Pedir ao modelo que sinalize incerteza reduz palpites confiantes em papel térmico desbotado.

Capturas de tela e mensagens de erro

Capturas de tela são o ponto ideal para a entrada de imagem, porque o texto já está nítido. Use PNG, recorte a caixa de diálogo ou o rastreamento de pilha e inclua o código que disparou o erro.

Desenvolvedor analisando uma captura de tela de uma janela de erro ao lado de um editor de código em dois monitores

Exemplo de prompt: "Este é o erro que aparece quando eu executo o script. Explique a causa mais provável em duas frases e depois mostre a menor mudança que corrigiria o problema."

Gráficos e relatórios impressos

Os modelos são bons em ler gráficos de barras, gráficos de linhas e tabelas, mas podem errar valores exatos quando não há rótulos de dados. Se a precisão importa, diga isso ao modelo.

Mulher fotografando um gráfico de barras impresso e uma planilha impressa sobre uma bancada de mármore

Exemplo de prompt: "Descreva a tendência deste gráfico. Dê valores aproximados para cada barra e diga quais são estimativas porque não há rótulos."

Quadros brancos e wireframes

Um esboço fotografado em um quadro branco pode virar uma especificação em tópicos em uma única mensagem. Tire a foto de frente, evite reflexos e escreva com clareza usando um marcador escuro.

Equipe de design em volta de um notebook revisando um wireframe fotografado em um quadro branco em um espaço de coworking iluminado

Exemplo de prompt: "Este é um esboço de uma página de cadastro. Transforme-o em uma lista de componentes e depois escreva a estrutura HTML dele. Pergunte sobre qualquer coisa ambígua antes de começar."

Cardápios, placas e textos em outro idioma

Aponte o celular para uma placa de rua ou um cardápio e peça uma tradução com contexto. Funciona melhor quando o texto é grande, bem iluminado e não está em um ângulo muito inclinado.

Exemplo de prompt: "Traduza este cardápio para o inglês. Mantenha os nomes originais dos pratos entre colchetes e marque o que provavelmente contém nozes ou frutos do mar."

💡 Para qualquer coisa que envolva alergias ou remédios, trate a leitura do modelo como uma primeira etapa e confirme com uma pessoa ou com a embalagem original.

Prompts que geram respostas melhores

A imagem é só metade da entrada. O texto que a acompanha decide se você recebe uma resposta útil ou uma descrição vaga.

Diga o que você quer de volta

"O que é isto?" gera uma legenda genérica. "Extraia todas as datas e valores desta nota fiscal em formato de tabela" gera algo que você pode colar em uma planilha. Defina o formato da saída: tabela, lista de tópicos, JSON, duas frases.

Aponte a região

Se a imagem estiver cheia de elementos, direcione a atenção. "Olhe o canto inferior direito", "ignore o cabeçalho" ou "foque na terceira coluna" funcionam bem porque restringem a área de busca.

Peça o grau de confiança

Acrescente uma frase como "Marque com um ponto de interrogação tudo aquilo de que você não tiver certeza." Os modelos são mais honestos quando a permissão para ter dúvidas é explícita.

Quando os envios falham

Se a imagem não anexar ou se o modelo disser que não consegue ver nada, percorra esta lista curta:

  1. Verifique o formato. Converta HEIC, WebP ou GIF para JPEG ou PNG.
  2. Verifique o tamanho. Deixe abaixo de 10 MB para o aplicativo.
  3. Verifique a conexão. Envios grandes em sinal móvel fraco expiram silenciosamente.
  4. Comece um chat novo. Conversas longas às vezes degradam, e uma nova conversa limpa estados estranhos.
  5. Tente outro navegador ou o aplicativo. Extensões podem interferir nos campos de arquivo.

Alternativas ao Grok 4.7 no PicassoIA

O Grok 4.7 não está no PicassoIA no momento, e um irmão mais antigo não é a mesma coisa. O modelo mais próximo da xAI disponível lá é o Grok 4, que é uma versão anterior com comportamento próprio, então não espere os resultados do Grok 4.7 dele.

Se o seu objetivo é simplesmente que um modelo forte leia uma foto, uma captura de tela ou um gráfico, estas opções estão disponíveis hoje:

ModeloBom paraLink
Claude Opus 4.7Raciocínio cuidadoso sobre documentos, capturas de código e respostas longasClaude Opus 4.7
Gemini 3.1 ProRespostas detalhadas sobre imagens complexas e perguntas em várias etapasGemini 3.1 Pro
Gemini 3.5 FlashRespostas rápidas sobre fotos do dia a dia, recibos e capturas de telaGemini 3.5 Flash

Profissional criativo em uma mesa de estúdio com um tablet mostrando uma foto de paisagem ao lado de um notebook

Qual escolher

  • Velocidade primeiro: Gemini 3.5 Flash. Combina com perguntas rápidas sobre uma imagem.
  • Profundidade primeiro: Claude Opus 4.7 ou Gemini 3.1 Pro. Melhores para documentos densos, comparações entre várias imagens e perguntas que exigem raciocínio, não apenas leitura.
  • Lotes sensíveis a custo: comece com o modelo mais rápido e reexecute apenas as imagens difíceis no modelo maior.

Como obter resultados semelhantes no PicassoIA

Como o Grok 4.7 não está no PicassoIA, este é o fluxo prático mais próximo, usando o Gemini 3.5 Flash, um modelo rápido que lida com chat, código e imagens.

Passo a passo

  1. Abra a página do modelo do Gemini 3.5 Flash usando o link acima.
  2. Prepare sua imagem. Use JPEG ou PNG, recorte a área relevante e mantenha o lado maior em torno de 2.000 a 3.000 pixels.
  3. Anexe a imagem ao seu prompt na área de entrada.
  4. Escreva um pedido específico, por exemplo: "Extraia todos os itens deste recibo para uma tabela e sinalize o que estiver ilegível."
  5. Revise a resposta comparando com o original. Confira números e nomes, que são os pontos fracos habituais.
  6. Continue a conversa com uma segunda mensagem, como "Agora converta essa tabela para CSV", em vez de começar do zero.

Dicas de parâmetros

  • Mantenha o prompt curto e estruturado. Um pedido numerado tem desempenho melhor do que um parágrafo divagante.
  • Se a primeira resposta for superficial, peça uma segunda passada: "Confira sua resposta novamente com a imagem e corrija qualquer erro."
  • Para imagens difíceis, envie o mesmo arquivo para o Claude Opus 4.7 ou para o Gemini 3.1 Pro e compare as duas respostas. Onde elas divergem é onde vale olhar com atenção.

💡 Sempre confira as regras de anexo exibidas em cada página de modelo, porque os tipos de arquivo aceitos e os limites de tamanho podem variar de um modelo para outro.

Experimente você mesmo no Picasso IA

A entrada de imagem é mais fácil de avaliar com os seus próprios arquivos. Escolha três imagens que você já tem: um recibo, uma captura de tela com um erro e um gráfico ou uma anotação fotografada. Execute cada uma em um modelo e peça um formato de saída específico. Em dez minutos você vai saber qual modelo lê melhor o seu tipo de material.

O Picasso IA reúne vários modelos de linguagem de leitura de imagem em um só lugar, para que você rode a mesma foto em vários deles sem precisar gerenciar contas. Comece com o Gemini 3.5 Flash pela velocidade, use o Claude Opus 4.7 quando precisar de mais profundidade e veja todos os outros em picassoia.com/en/all-models. Envie algo real e veja o que volta.

Compartilhe este artigo

Escolha seu idioma

FreeCrie imagens e vídeos com IAGrátis, sem cartão de créditoGerações grátis para começarSeedance 2.5 Lite incluídoComece grátis agora