Multimodal — compréhension des images et des documents
Les modèles compatibles Vision acceptent les parties de contenu de type image_url : 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"}}
]
}],
)Facturation des jetons d'image
Chaque image est facturée à peu près 1,000 ~ 4,000 jetons en fonction de la résolution. Le décompte s'accumule dans la réponse usage.prompt_tokens.
Voir aussi :API Docs › Entrée multimodale