Bildverständnis und Bildeingabe
Senden Sie Bilder an multimodale Modelle — Kodierung, Größenlimits und Kosten.
Claude- und Gemini-Modelle akzeptieren Bilder zusammen mit Text. Bilder sind Inhaltsblöcke innerhalb einer gewöhnlichen Nachricht.
Base64-Bild
{
"model": "claude-sonnet-4-6",
"max_tokens": 1024,
"messages": [{
"role": "user",
"content": [
{"type": "image", "source": {
"type": "base64",
"media_type": "image/png",
"data": "iVBORw0KGgoAAAANSUhEUg..."
}},
{"type": "text", "text": "What does this chart show?"}
]
}]
}
Python
import base64, anthropic
img = base64.standard_b64encode(open(class="s">"chart.png", class="s">"rb").read()).decode()
client = anthropic.Anthropic(api_key=class="s">"sk-your-key", base_url=class="s">"https://aiprimetech.io")
msg = client.messages.create(
model=class="s">"claude-sonnet-4-6",
max_tokens=1024,
messages=[{class="s">"role": class="s">"user", class="s">"content": [
{class="s">"type": class="s">"image", class="s">"source": {class="s">"type": class="s">"base64",
class="s">"media_type": class="s">"image/png", class="s">"data": img}},
{class="s">"type": class="s">"text", class="s">"text": class="s">"What does this chart show?"},
]}],
)
print(msg.content[0].text)
Praktische Grenzen
| Einschränkung | Empfehlung |
|---|---|
| Formate | PNG, JPEG, GIF und WebP |
| Auflösung | Sehr große Bilder werden vor der Verarbeitung verkleinert. Wenn Sie die lange Seite vor dem Senden auf ungefähr 1500px verkleinern, sparen Sie Tokens ohne Qualitätsverlust. |
| Kosten | Bilder werden als Eingabe-Tokens abgerechnet, ungefähr proportional zu ihrer Fläche. Ein Screenshot einer ganzen Seite kann mehr kosten als eine Seite Text. |
| Mehrere Bilder | Mehrere Bildblöcke pro Nachricht sind zulässig; jeder wird abgerechnet. |
In einer Agentenschleife werden Bilder wie alle anderen Inhalte bei jedem Durchlauf mit dem Verlauf erneut gesendet. Entfernen Sie sie aus dem Gesprächsverlauf, sobald sie beschrieben wurden, sonst bezahlen Sie wiederholt für denselben Screenshot.