← Retour à la liste

Multimodal — compréhension des images et des documents

Les modèles compatibles Vision acceptent les parties de contenu de type image_url : 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"}}
        ]
    }],
)

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.