图像理解（识图）API

图像理解 API (Vision) 支持使用 GPT-4o, Gemini 2.5 Pro, Claude 3.5 Sonnet 等先进模型进行图像内容分析、OCR 文字识别和场景描述。

支持模型​

• OpenAI: gpt-4o, gpt-4o-mini, gpt-4.1-mini
• Google: gemini-2.5-pro, gemini-2.5-flash
• Anthropic: claude-3-5-sonnet-20241022

使用方式​

通过 Chat Completions API 的 image_url 字段传入图片（URL 或 Base64）。

Python 示例​

from openai import OpenAI  
  
client = OpenAI(  
    api_key="YOUR_API_KEY",  
    base_url="http://122.51.35.238:5170/v1"  
)  
  
response = client.chat.completions.create(  
    model="gpt-4o",  
    messages=[  
        {  
            "role": "user",  
            "content": [  
                {"type": "text", "text": "这张图片里有什么？"},  
                {  
                    "type": "image_url",  
                    "image_url": {  
                        "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"  
                    }  
                }  
            ]  
        }  
    ],  
    max_tokens=300  
)  
  
print(response.choices[0].message.content)

---

本页内容来自文档知识库整理，已按 ArmNet 字元服务 服务命名统一更新。