← Вернуться к списку

Мультимодальность — изображения и понимание документов

Модели с поддержкой машинного зрения принимают части содержимого типа 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"}}
        ]
    }],
)

Оплата токенами изображения

Стоимость каждого изображения оценивается примерно как 1,000 ~ 4,000 токены в зависимости от разрешения. Счетчик сводится к ответу usage.prompt_tokens.