← بازگشت به لیست

چندوجهی - درک تصاویر و اسناد

مدل‌های دارای قابلیت دید، قطعات محتوایی از نوع image_url را می‌پذیرند: image_url

python
resp = client.chat.completions.create(
    model="gpt-4o",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "How many cats are in this image?"},
            {"type": "image_url", "image_url": {"url": "https://.../cats.png"}}
        ]
    }],
)

صورت‌حساب نماد تصویر

هر تصویر به صورت تقریبی صورت‌حساب می‌شود 1,000 ~ 4,000 توکن ها بسته به وضوح شمارش در پاسخ ها جمع می شود usage.prompt_tokens.

همچنین ببینید:API Docs › ورودی چندوجهی