Multimodal — pemahaman gambar & dokumen
Model berkemampuan penglihatan menerima bagian konten tipe 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"}}
]
}],
)Penagihan token gambar
Setiap gambar ditagih secara kasar 1,000 ~ 4,000 token tergantung pada resolusi. Hitungannya masuk ke dalam respons usage.prompt_tokens.
Lihat juga:API Dokumen › Input multimodal