Início / Documentação / Visão e entrada de imagens

Visão e entrada de imagens

Envie imagens a modelos multimodais — codificação, limites de tamanho e custos.

Os modelos Claude e Gemini aceitam imagens junto com texto. As imagens são blocos de conteúdo dentro de uma mensagem comum.

Imagem em 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 práticos

RestriçãoOrientação
FormatosPNG, JPEG, GIF e WebP
ResoluçãoImagens muito grandes têm sua resolução reduzida antes do processamento. Redimensioná-las para cerca de 1500px no lado maior antes do envio economiza tokens sem perda de qualidade.
CustoAs imagens são cobradas como tokens de entrada, em proporção aproximada à sua área. Uma captura de tela de página inteira pode custar mais do que uma página de texto.
Várias imagensSão permitidos vários blocos de imagem por mensagem; cada um é cobrado.
Em um ciclo de agente, as imagens são reenviadas com o histórico a cada turno, como qualquer outro conteúdo. Remova-as do histórico da conversa depois que forem descritas; caso contrário, a mesma captura de tela será cobrada repetidamente.