چندوجهی - درک تصاویر و اسناد
مدلهای دارای قابلیت دید، قطعات محتوایی از نوع image_url را میپذیرند: image_url
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