← 返回列表

多模态 - 图像与文档理解

支持视觉的模型可以接收 image_url 类型的内容片段： 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"}}
        ]
    }],
)

图像 Token 计费

每张图按分辨率折算为约 1,000 ~ 4,000 个 token，在响应的 usage.prompt_tokens.

扩展阅读：API 文档 › 多模态输入