Grok 4.7の公式ドキュメントは、入力モダリティにTextとImage、出力にTextを記載しています。画像を入力して文章で回答する範囲と、画像生成機能を分けて確認します。
※本記事は2026年9月22日時点の情報です。
AIシステム開発の種類・工程・費用・会社選定までの全体像については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。
入力モダリティ｜TextとImage
公式ドキュメントのGrok 4.7欄には、モダリティとしてTextとImage、出力としてTextが示されています。画像を受け取れることと、画像を生成することは別の機能です。
API設計では、入力画像、指示文、テキスト回答を別フィールドとして扱います。
ポイント
API設計では、入力画像、指示文、テキスト回答を別フィールドとして扱います。
出力制約｜回答はText
出力モダリティはTextです。画像の内容を説明、分類、抽出する処理は想定できますが、画像ファイルを出力する仕様としては読みません。
後続処理で画像が必要なら、別の画像生成・編集機能と工程を分けます。
ポイント
後続処理で画像が必要なら、別の画像生成・編集機能と工程を分けます。
業務例｜画像理解を判定へつなぐ
画像理解の設計例として、帳票の項目確認、画面の差分説明、画像分類などがあります。実運用では、正解データとレビュー条件を先に決めます。
機密画像を扱う場合は、保存先、アクセス権、削除手順を業務側で定義します。
評価方法｜画像と指示を固定する
画像理解の評価では、同じ画像、指示文、合格条件を使います。抽出の正確さと説明の読みやすさを別指標で記録します。
自社の画像形式やサイズ条件は、導入前に公式仕様と実装環境で確認します。
ポイント
自社の画像形式やサイズ条件は、導入前に公式仕様と実装環境で確認します。
Grok 4.7は画像を理解できる？入力モダリティと出力制約を確認のよくある質問
Grok 4.7は画像を入力できますか？
公式ドキュメントは入力モダリティとしてTextとImageを記載しています。
画像を生成できますか？
Grok 4.7の出力モダリティはTextです。画像生成は別の機能・工程として扱います。
画像理解は何に使えますか？
画像説明、分類、抽出などの設計例があります。実運用では自社画像と合格条件で評価します。
まとめ
自社の画像形式やサイズ条件は、導入前に公式仕様と実装環境で確認します。
AgentOpsの評価と監視、AIコードレビューも導入設計の参考になります。
▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。
関連記事4選
AIモデルの評価と運用に関する関連記事です。