Grok 4.3 dan OCR: yang sudah terbukti, yang belum

Kesimpulan fakta cek

Ada tiga hal yang bisa dikatakan dengan cukup hati-hati:

1. Grok dapat mencari dan bernalar atas dokumen yang dilampirkan ke pesan chat. Dokumentasi xAI juga menyebut file publik dapat dirujuk lewat URL, file privat dapat diunggah lalu dirujuk dengan ID, dan sistem secara otomatis mengaktifkan attachment_search.
2. Halaman model Grok dari xAI mencantumkan kemampuan model yang mencakup Text, Images, dan Video.
3. xAI memiliki halaman dokumentasi Image Understanding, yang menunjukkan Grok memiliki kemampuan pemahaman gambar.

Namun, dari bahan resmi tersebut, belum ada pernyataan eksplisit tentang OCR, belum ada klaim jelas soal mengambil teks kata demi kata dari foto atau scan, dan belum ada janji khusus soal parsing struk seperti mengambil nama toko, tanggal, item, subtotal, pajak, atau total pembayaran.

Jadi, kalimat “Grok 4.3 sudah resmi mendukung OCR” terlalu kuat untuk bukti yang ada. Formulasi yang lebih akurat adalah: Grok memiliki kemampuan terkait file dan gambar, tetapi kemampuan Grok 4.3 untuk OCR foto, scan, atau struk belum terkonfirmasi secara resmi dari dokumen yang tersedia.

Mengapa image understanding bukan otomatis OCR?

Pemahaman gambar biasanya berarti model dapat memproses informasi visual: mengenali objek, membaca konteks gambar, memahami adegan, atau menjawab pertanyaan tentang isi gambar. OCR, atau optical character recognition, adalah tugas yang lebih sempit dan lebih mudah diuji: mengekstrak teks yang terlihat dari gambar.

Untuk penggunaan sehari-hari, perbedaannya mungkin terdengar tipis. Tetapi untuk dokumen kerja, perbedaannya besar. OCR yang baik bukan sekadar “mengerti ada tulisan di gambar”; ia diharapkan mampu menjaga urutan baris, kolom, angka, tanda baca, tanggal, nama merchant, dan struktur field. Pada struk atau dokumen scan, tantangannya bisa berupa teks kecil, cahaya rendah, kertas miring, lipatan, pantulan, tabel, angka desimal, hingga format tanggal yang beragam.

Karena itu, meskipun sebuah model punya kemampuan memahami gambar, tidak otomatis berarti penyedianya sudah menjamin model tersebut dapat melakukan OCR secara stabil, lengkap, dan terstruktur.

Apa yang benar-benar didukung oleh dokumentasi resmi?

Dengan kata lain, dokumentasi resmi cukup untuk mendukung klaim bahwa Grok punya konteks file dan kemampuan gambar. Tetapi dokumentasi itu belum cukup kuat untuk mendukung klaim bahwa Grok 4.3 memiliki fitur OCR resmi.

Sumber pihak ketiga bukan bukti resmi OCR

Bahan yang tersedia juga mencakup unggahan Threads, diskusi Hacker News, artikel pihak ketiga, posting X, dan video YouTube yang membahas Grok 4.3 beta, pembuatan dokumen, pemrosesan PDF, atau ekspor chat.

Materi semacam itu bisa berguna untuk melihat percakapan pasar, dugaan fitur, pengalaman pengguna, atau tutorial. Namun, itu bukan dokumentasi OCR resmi dari xAI. Bahkan jika ada konten pihak ketiga yang menyebut kemampuan terkait dokumen, hal tersebut tetap belum membuktikan bahwa xAI sudah secara resmi mendukung OCR foto, ekstraksi teks dari scan, atau parsing struk pada Grok 4.3.

Untuk halaman produk, materi penjualan, tutorial teknis, atau proses internal yang menyentuh kepatuhan, sebaiknya gunakan klaim yang benar-benar tertulis di dokumentasi resmi. Jika belum ada pernyataan eksplisit, gunakan istilah seperti “belum terkonfirmasi”, “perlu diuji”, atau “tidak dijamin sebagai OCR resmi”.

Kalimat yang lebih aman dipakai

Kalimat yang aman:

Berdasarkan dokumentasi xAI, Grok dapat mencari dan bernalar atas dokumen yang dilampirkan ke chat; xAI juga mencantumkan kemampuan gambar dan dokumentasi Image Understanding untuk Grok.

Kalimat yang sebaiknya dihindari:

Grok 4.3 sudah resmi mendukung OCR langsung dari struk, dokumen scan, atau foto.

Masalahnya bukan pada kemungkinan teknisnya, melainkan pada bukti resminya. Dari sumber yang tersedia, xAI belum memberikan pernyataan eksplisit tentang OCR, document extraction, parsing struk, atau pemrosesan scan sebagai fitur resmi Grok 4.3.

Jika tetap ingin menguji Grok untuk mengambil teks

Pengujian boleh saja dilakukan, tetapi posisikan sebagai evaluasi kemampuan, bukan sebagai bukti adanya jaminan resmi. Cara yang lebih aman:

1. Siapkan sampel yang bervariasi: foto terang, foto minim cahaya, scan miring, struk panjang, teks kecil, tabel, dan tulisan tangan.
2. Minta model menyalin teks per baris, bukan sekadar merangkum isi dokumen.
3. Minta model menandai karakter atau bagian yang tidak yakin.
4. Bandingkan hasil dengan transkripsi manual: cek huruf yang hilang, angka yang berubah, titik desimal, tanggal, nama merchant, dan posisi field.
5. Untuk proses klaim biaya, akuntansi, audit, atau kepatuhan, tetap gunakan pengecekan manusia atau alat yang memang secara eksplisit mendukung OCR/document extraction.

Putusan akhir

Grok memang memiliki kemampuan pencarian dan penalaran atas file terlampir, serta kemampuan terkait pemahaman gambar, dan itu didukung oleh dokumentasi xAI. Namun, apakah Grok 4.3 dapat langsung dipakai sebagai OCR untuk foto, scan, atau struk, belum terkonfirmasi oleh bukti resmi yang tersedia.

Kalimat paling aman: Grok punya kemampuan file dan gambar; tetapi Grok 4.3 belum terbukti secara resmi mendukung OCR.