Grok 4.3 有 OCR 嗎？官方只證實圖片理解，未確認收據抽字

事實查核結論

目前可以確認的重點有三個：

1. 文件能力：Grok 可以搜尋並推理你附加到聊天訊息的文件。xAI 文件也提到，可以用公開 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. 圖片能力：xAI 的 Grok 模型頁列出模型能力包括 Text、Images、Video。
3. 圖片理解：xAI 有 Image Understanding 相關文件頁，顯示 Grok 具備圖片理解能力。

但以上都沒有明確寫出「OCR」、沒有明確承諾「從照片或掃描件逐字擷取文字」，也沒有明確提到「收據解析」這類更具體的文件處理流程。

因此，較準確的說法是：Grok 有文件與圖片相關能力；但 Grok 4.3 是否能正式用作照片、掃描檔或收據 OCR，這次資料無法證實。

為什麼「圖片理解」不等於 OCR？

圖片理解通常是指模型能處理圖像內容，例如辨識場景、物件、畫面資訊，或根據圖片回答問題。

OCR，也就是光學字元辨識，範圍更窄、也更容易被檢驗：它要求系統從圖像中擷取可見文字，並盡量保留原本的順序與結構。若是收據或掃描文件，還常常需要辨識商戶名稱、日期、品項、金額、小數點、稅額、欄位位置與表格格式。

這個差異很重要。收據和掃描件可能有低光、歪斜、反光、摺痕、細字、多欄排版或模糊邊緣。即使某個模型能「理解圖片」，也不代表官方已承諾它能穩定、逐字、結構化地完成 OCR 或收據文字擷取。

官方文件實際支持到哪裡？

換句話說，官方文件可用來支持「Grok 有圖片與文件上下文能力」；但要支持「Grok 4.3 有正式 OCR 功能」，證據仍不夠。

第三方討論不能當成官方 OCR 證明

這次資料也包含 Threads、Hacker News、第三方網站、X 貼文與 YouTube 內容，討論 Grok 4.3 beta、文件生成、PDF 處理或聊天匯出等話題。

這些內容可以反映外界觀察、使用者討論或教學方向，但它們不是 xAI 的官方 OCR 文件。即使有第三方內容聲稱 Grok 4.3 beta 具備某些文件相關能力，也不足以證明 xAI 已正式支援照片 OCR、掃描件抽字或收據解析。

若是產品頁、銷售材料、教學文章或企業內部合規文件，建議只採用官方文件明確寫出的能力。未有明文支持的功能，應標示為「未證實」或「需實測」。

對外怎麼寫比較準確？

可以寫：

根據 xAI 文件，Grok 可以搜尋並推理附加到聊天訊息的文件；xAI 也列出 Grok 具備圖片／Image Understanding 相關能力。

不建議寫：

Grok 4.3 已官方支援從收據、掃描文件或照片直接 OCR 抽字。

原因很簡單：目前提供的官方來源沒有明確支持第二句。除非 xAI 之後發布清楚的 OCR、文件抽取、收據解析、掃描件處理或相關 API 文件，否則不宜把「圖片理解」包裝成正式 OCR 功能。

如果真的要測 Grok 抽字，怎麼做？

可以測，但要把它視為能力評估，而不是官方保證。比較務實的測法包括：

1. 準備同一批測試樣本：清晰照片、低光照片、歪斜掃描、長收據、細字、表格與手寫字。
2. 要求模型逐行輸出原文，並標註不確定字元。
3. 與人工標註結果比對，檢查漏字、錯字、金額小數點、日期、商戶名與欄位位置。
4. 若用於報帳、會計、審計或合規流程，保留人工覆核，或使用已明確支援 OCR／文件抽取的工具。

最終判斷

Grok 的附加文件搜尋／推理與圖片理解能力，有 xAI 官方文件支持。 但 Grok 4.3 是否能從照片、掃描文件或收據直接做 OCR 抽字，目前官方證據無法證實。

最安全的一句話是：可以說 Grok 有文件與圖片相關能力；但不應說 Grok 4.3 已獲官方確認支援 OCR。