但以上資料未明確寫到「OCR」、未明確寫到「由相片或掃描文件逐字抽取文字」,亦未明確寫到「收據解析」呢類更具體嘅工作流程。
所以,嚴格講,唔應該寫成「Grok 4.3 已獲官方確認支援 OCR」。較準確嘅寫法係:Grok 有文件同圖片相關能力,但 Grok 4.3 可否正式用作相片、掃描件或收據 OCR,今次資料未能證實。
圖片理解通常指模型可以處理圖片內容,例如理解畫面、物件、場景或圖像入面嘅資訊。OCR 則係更窄、更可驗證嘅任務:由圖像抽出可見文字,並盡量保留行次序、欄位、金額、日期、商戶名等結構。
呢個分別好重要。收據同掃描件經常有細字、低光、歪斜、反光、摺痕、多欄排版、表格、金額小數點同日期格式等問題。即使一個模型可以「理解圖片」,都唔代表官方已承諾佢可以穩定、逐字、結構化咁完成 OCR 或收據抽取。
| 能力 | 今次官方資料支持到邊 | 唔應該自動推論 |
|---|---|---|
| 附加文件搜尋/推理 | Grok 可搜尋同推理聊天訊息入面附加嘅文件,並自動使用 attachment_search。 | 唔等於所有掃描圖像都會被準確 OCR 成文字。 |
| 圖片理解 | xAI 文件列出 Images 能力,並有 Image Understanding 文件頁。 | 唔等於官方保證可逐字抽取相片、掃描件或收據文字。 |
| OCR/收據解析 | 今次提供嘅官方來源未明確寫明 OCR、掃描件文字抽取或收據解析。 | 唔應宣稱 Grok 4.3 已有官方 OCR 支援。 |
換句話講,官方文件可以用嚟支持「Grok 有圖片同文件上下文能力」;但用嚟支持「Grok 4.3 有正式 OCR 功能」就未夠力。
今次資料亦包括 Threads、Hacker News、第三方網頁、X 帖文同 YouTube 內容,提到 Grok 4.3 beta、文件生成、PDF 處理或聊天匯出等話題。
呢類內容可以反映市場討論、用戶觀察或教學方向,但唔係 xAI 官方 OCR 文件。即使有第三方內容聲稱 Grok 4.3 beta 有文件相關能力,都不足以證明 xAI 已正式支援相片 OCR、掃描件抽字或收據解析。
對產品頁、銷售材料、教學文章或者內部合規流程嚟講,最好只採用官方文件明確寫出嘅能力。未有明文支持,就應該用「未證實」或「需實測」處理。
可以寫:
根據 xAI 文件,Grok 可以搜尋同推理附加到聊天訊息嘅文件;xAI 亦列出 Grok 具備圖片/Image Understanding 相關能力。
唔建議寫:
Grok 4.3 已官方支援由收據、掃描文件或相片直接 OCR 抽字。
原因好簡單:今次提供嘅官方來源未有明確支持第二句。除非 xAI 之後發布清楚嘅 OCR、文件抽取、收據解析、掃描件處理或相關 API 文件,否則最好唔好將圖片理解包裝成正式 OCR 功能。
可以做實測,但要當成能力評估,而唔係官方保證。比較穩陣嘅測法包括:
Grok 有附加文件搜尋/推理同圖片理解相關能力,呢點有 xAI 官方文件支持。 但 Grok 4.3 能否由相片、掃描文件或收據直接做 OCR 抽字,今次官方證據未能證實。
最安全嘅一句係:可以話 Grok 有文件同圖片相關能力;但唔應該話 Grok 4.3 已獲官方確認支援 OCR。