← Kembali ke daftar

Multimodal — pemahaman gambar & dokumen

Model berkemampuan penglihatan menerima bagian konten tipe 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"}}
        ]
    }],
)

Penagihan token gambar

Setiap gambar ditagih secara kasar 1,000 ~ 4,000 token tergantung pada resolusi. Hitungannya masuk ke dalam respons usage.prompt_tokens.