Accueil / Documentation / Vision et images en entrée

Vision et images en entrée

Envoyez des images aux modèles multimodaux : encodage, limites de taille et coût.

Les modèles Claude et Gemini acceptent des images en plus du texte. Les images sont des blocs de contenu à l’intérieur d’un message ordinaire.

Image en Base64

{
  "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)

Limites pratiques

ContrainteRecommandations
FormatsPNG, JPEG, GIF et WebP
RésolutionLes images très volumineuses sont réduites en amont. Les redimensionner à environ 1500px sur le côté le plus long avant l’envoi permet d’économiser des tokens sans perte de qualité.
CoûtLes images sont facturées comme des tokens d’entrée, de façon approximativement proportionnelle à leur surface. Une capture d’écran d’une page entière peut coûter plus cher qu’une page de texte.
Images multiplesPlusieurs blocs d’image sont autorisés par message ; chacun est facturé.
Dans une boucle d’agent, les images sont renvoyées avec l’historique à chaque tour, comme tout autre contenu. Retirez-les de la conversation une fois qu’elles ont été décrites, sinon une même capture d’écran est facturée à répétition.