Grok 4.3 有冇 OCR？官方文件未確認可從相片、掃描件或收據抽字

Grok 4.3 係咪可以直接由相片、掃描文件或者收據抽字？以今次提供嘅資料計，最負責任嘅答案係：未有官方文件明確證實。xAI 文件支持 Grok 有「文件搜尋／推理」同「圖片理解」相關能力，但呢兩點未等於正式 OCR 或收據解析承諾。

事實查核結論

現有官方資料可以支持三個較保守嘅判斷：

1. Grok 可以搜尋同推理附加到聊天訊息嘅文件；xAI 文件亦提到可用公開 URL 引用文件，或上傳私人文件後用 ID 引用，系統會自動啟用 attachment_search。
2. xAI 嘅 Grok 模型頁列出模型能力包括 Text、Images、Video。
3. xAI 有 Image Understanding 相關文件頁，顯示 Grok 具備圖片理解能力。

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。

點解「圖片理解」唔等於 OCR？

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。

官方文件實際證實咗乜

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。

第三方消息唔等於官方 OCR 證明

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。

對外應該點寫先準確

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。

如果真係要測 Grok 抽字，可以點做？

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：

1. 準備同一批測試樣本：清晰相片、低光相片、歪斜掃描、長收據、細字、表格、手寫字。
2. 要求模型逐行輸出原文，並標註不確定字元。
3. 對照人工標註結果，檢查漏字、錯字、金額小數點、日期、商戶名同欄位位置。
4. 如果用於報銷、會計、審計或合規流程，保留人工覆核，或使用已明確支援 OCR／文件抽取嘅工具。

最終判斷

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。