據 ChainCatcher 報道，馬斯克轉發推文稱，Grok 語音模式現已支持攝像頭訪問識別內容。用戶可將手機對準某物並詢問“我在看什麼？”。

在 iOS 上，視覺功能允許聊天機器人通過設備相機實時分析物體、文本和環境。用戶可掃描產品、標誌、文件等，Grok 會立即提供上下文信息和相關資訊。