本文へスキップ

Grok-1.5 Vision Preview

文書・図表・写真を読むマルチモーダルモデル

公式サイトを見る

Grok-1.5 Vision Preview とは

本モデルは X.AI が出した初世代のマルチモーダルモデルと紹介され、文章とともに文書、図表、スクリーンショット、写真などの視覚情報を扱う。

できること

  • 複数の学科にわたり推論する
  • 文書を理解し図表や科学図を読み取る
  • 文章と併せて画像を処理する

活用場面

  • 複雑な事業報告を分析し要点と洞察を抜き出す
  • 案件計画の下書きを生成し資源配分を整える
  • 工場機器の取扱説明を理解し整備に役立てる

長所と短所

✓ 良い点

  • 文書・図表・スクリーンショット・写真を扱う
  • 実世界の理解が能力として挙がる

! 注意したい点

  • 配布は初期試験利用者と既存 Grok 利用者へ向かうと説明される
  • 挙がる能力は推論と視覚理解に集中する

よくある質問

どんな視覚入力が挙がる?

資料には文書、図表、スクリーンショット、写真が挙がる。

配布は誰に向かう?

資料では初期試験利用者と既存の Grok 利用者に向かうと説明される。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法