模型能力
图片理解
向支持视觉的模型传入本地图片,区分识图与生图接口。
准备图片和模型
选择支持图片输入及 Chat Completions 的模型,按 OpenAI SDK设置 Python 环境。将一张实际 PNG 图片保存为当前目录中的 sample.png。
图片理解返回分析文本,不等同于图片生成。
发送本地图片
import base64
import os
from pathlib import Path
from openai import OpenAI
encoded = base64.b64encode(Path("sample.png").read_bytes()).decode("ascii")
client = OpenAI(api_key=os.environ["IROUTER_API_KEY"], base_url="https://gateway.irouter.io/v1")
reply = client.chat.completions.create(
model=os.environ["IROUTER_MODEL"],
messages=[{"role": "user", "content": [
{"type": "text", "text": "Describe the visible objects."},
{"type": "image_url", "image_url": {"url": f"data:image/png;base64,{encoded}"}},
]}],
)
print(reply.choices[0].message.content)图片 MIME 类型必须与真实格式一致。JPEG 应使用 image/jpeg。Base64 会增大请求体,较大文件应按模型要求压缩或缩小。
使用远程图片
模型和线路支持时,可将 image_url.url 换成可读取的 HTTPS 图片地址。需要登录、已过期或来源受限的地址可能无法下载。使用有权限访问的图片,勿将含敏感查询参数的签名 URL 写入日志。
结果与成本
图片输入会占用模型资源,计费按目录和实际用量核对。识别出的文字、金额和坐标应由业务校验;分辨率或细节不足时补充局部图片。Messages 和 Gemini 的图片字段结构不同,迁移时按目标协议重新组织内容。