Visión

Esta guía describe cómo trabajar con imágenes en Claude, incluyendo mejores prácticas, ejemplos de código y limitaciones a tener en cuenta.

---

Cómo usar visión

Usa las capacidades de visión de Claude a través de:

• claude.ai. Carga una imagen como lo harías con un archivo, o arrastra y suelta una imagen directamente en la ventana de chat.
• El Console Workbench. Un botón para agregar imágenes aparece en la esquina superior derecha de cada bloque de mensaje del usuario.
• Solicitud de API. Consulta los ejemplos en esta guía.

---

Antes de cargar

Conceptos básicos y límites

Puedes incluir múltiples imágenes en una sola solicitud: hasta 20 para claude.ai, y hasta 600 para solicitudes de API (100 para modelos con una ventana de contexto de 200k tokens). Claude analiza todas las imágenes proporcionadas al formular su respuesta. Esto puede ser útil para comparar o contrastar imágenes.

Si envías una imagen más grande que 8000x8000 px, se rechaza. Si envías más de 20 imágenes en una solicitud de API, este límite es de 2000x2000 px.

Evaluar tamaño de imagen

Para minimizar la latencia sin sacrificar la calidad de salida, redimensiona las imágenes antes de cargar si son demasiado grandes. En Claude Opus 4.6, Claude Sonnet 4.6 y modelos anteriores, si el borde largo de tu imagen tiene más de 1568 píxeles, o tu imagen tiene más de ~1,600 tokens, primero se reduce la escala, preservando la relación de aspecto, hasta que esté dentro de los límites de tamaño.

Si tu imagen de entrada es demasiado grande y necesita ser redimensionada, aumenta la latencia del tiempo hasta el primer token, sin beneficio para la calidad de salida. Las imágenes muy pequeñas menores a 200 píxeles en cualquier borde dado pueden degradar la calidad de salida.

Soporte de imagen de alta resolución en Claude Opus 4.7

Claude Opus 4.7 es el primer modelo de Claude con soporte de imagen de alta resolución. La resolución máxima de imagen es 2576 píxeles en el borde largo (aumentado desde 1568 px en modelos anteriores). Esto desbloquea ganancias de rendimiento en cargas de trabajo intensivas en visión y es particularmente valioso para uso de computadora, comprensión de capturas de pantalla y análisis de documentos.

El soporte de alta resolución es automático en Claude Opus 4.7 y no requiere encabezado beta ni opt-in del lado del cliente.

Costo de token: Las imágenes de resolución completa en Claude Opus 4.7 pueden usar hasta aproximadamente 3x más tokens de imagen que en modelos anteriores (hasta 4784 tokens por imagen, en comparación con el límite anterior de aproximadamente ~1,600 tokens por imagen). Si no necesitas la fidelidad adicional, submuestrea las imágenes antes de enviar para controlar los costos de token.

Matemática de coordenadas: En Claude Opus 4.7, las coordenadas de señalización y cuadro delimitador devueltas por el modelo son 1

con píxeles de imagen reales, por lo que no se requiere conversión de factor de escala. Esto simplifica el uso de computadora, anotación y flujos de trabajo de localización.

Aquí hay una tabla de tamaños máximos de imagen aceptados por la API que no serán redimensionados para relaciones de aspecto comunes. Con Claude Sonnet 4.6, estas imágenes usan aproximadamente 1,600 tokens y alrededor de $4.80/1k imágenes.

Calcular costos de imagen

Cada imagen que incluyas en una solicitud a Claude cuenta hacia tu uso de tokens. Para calcular el costo aproximado, multiplica el número aproximado de tokens de imagen por el precio por token del modelo que estés usando.

Si tu imagen no necesita ser redimensionada, puedes estimar el número de tokens utilizados a través de este algoritmo: tokens = (ancho px * alto px)/750

Aquí hay ejemplos de tokenización aproximada y costos para diferentes tamaños de imagen dentro de las restricciones de tamaño de la API basados en el precio por token de Claude Sonnet 4.6 de $3 por millón de tokens de entrada:

Asegurar calidad de imagen

Al proporcionar imágenes a Claude, ten en cuenta lo siguiente para obtener los mejores resultados:

• Formato de imagen: Usa un formato de imagen compatible: JPEG, PNG, GIF o WebP.
• Claridad de imagen: Asegúrate de que las imágenes sean claras y no demasiado borrosas o pixeladas.
• Texto: Si la imagen contiene texto importante, asegúrate de que sea legible y no demasiado pequeño. Evita recortar el contexto visual clave solo para ampliar el texto.

---

Ejemplos de prompt

Muchas de las técnicas de prompting que funcionan bien para interacciones basadas en texto con Claude también se pueden aplicar a prompts basados en imágenes.

Estos ejemplos demuestran estructuras de prompt de mejores prácticas que involucran imágenes.

Acerca de los ejemplos de prompt

Los siguientes ejemplos demuestran cómo usar las capacidades de visión de Claude usando varios lenguajes de programación y enfoques. Puedes proporcionar imágenes a Claude de tres formas:

1. Como una imagen codificada en base64 en bloques de contenido image
2. Como una referencia de URL a una imagen alojada en línea
3. Usando la API de Archivos (cargar una vez, usar múltiples veces)

Los prompts de ejemplo base64 usan estas variables:

A continuación se muestran ejemplos de cómo incluir imágenes en una solicitud de API de Mensajes usando imágenes codificadas en base64 y referencias de URL:

Ejemplo de imagen codificada en base64

Ejemplo de imagen basada en URL

Ejemplo de Files API con imágenes

Para imágenes que usarás repetidamente o cuando quieras evitar la sobrecarga de codificación, usa la Files API. Carga la imagen una vez, luego referencia el file_id devuelto en mensajes posteriores en lugar de reenviar datos en base64.

Consulta ejemplos de la API de Messages para obtener más código de ejemplo y detalles de parámetros.

---

Limitaciones

Aunque las capacidades de comprensión de imágenes de Claude son de vanguardia, hay algunas limitaciones a tener en cuenta:

• Identificación de personas: Claude no puede ser utilizado para nombrar personas en imágenes y se niega a hacerlo.
• Precisión: Claude puede alucinar o cometer errores al interpretar imágenes de baja calidad, rotadas o muy pequeñas menores a 200 píxeles.
• Razonamiento espacial: Las capacidades de razonamiento espacial de Claude son limitadas. Puede tener dificultades con tareas que requieren localización precisa o diseños, como leer la cara de un reloj analógico o describir posiciones exactas de piezas de ajedrez.
• Conteo: Claude puede dar conteos aproximados de objetos en una imagen pero puede no ser siempre precisamente exacto, especialmente con grandes números de objetos pequeños.
• Imágenes generadas por IA: Claude no sabe si una imagen es generada por IA y puede ser incorrecto si se le pregunta. No confíes en él para detectar imágenes falsas o sintéticas.
• Contenido inapropiado: Claude no procesa imágenes inapropiadas o explícitas que violen la Política de Uso Aceptable.
• Aplicaciones de salud: Aunque Claude puede analizar imágenes médicas generales, no está diseñado para interpretar escaneos de diagnóstico complejos como tomografías computarizadas o resonancias magnéticas. Los resultados de Claude no deben considerarse un sustituto del consejo médico profesional o diagnóstico.

Siempre revisa y verifica cuidadosamente las interpretaciones de imágenes de Claude, especialmente para casos de uso de alto riesgo. No uses Claude para tareas que requieran precisión perfecta o análisis de imágenes sensibles sin supervisión humana.

---

Preguntas frecuentes

---

Profundiza en visión

¿Listo para comenzar a construir con imágenes usando Claude? Aquí hay algunos recursos útiles:

• Libro de recetas multimodal: Este libro de recetas tiene consejos sobre cómo comenzar con imágenes y técnicas de mejores prácticas para asegurar el máximo rendimiento de calidad con imágenes. Ve cómo puedes indicar efectivamente a Claude con imágenes para llevar a cabo tareas como interpretar y analizar gráficos o extraer contenido de formularios.
• Referencia de API: Documentación para la API de Messages, incluyendo ejemplos de llamadas de API que involucran imágenes.

Si tienes otras preguntas, comunícate con el equipo de soporte. También puedes unirte a la comunidad de desarrolladores para conectarte con otros creadores y obtener ayuda de expertos de Anthropic.

import base64
import httpx

# Para imágenes codificadas en base64
image1_url = "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg"
image1_media_type = "image/jpeg"
image1_data = base64.standard_b64encode(httpx.get(image1_url).content).decode("utf-8")

image2_url = "https://upload.wikimedia.org/wikipedia/commons/b/b5/Iridescent.green.sweat.bee1.jpg"
image2_media_type = "image/jpeg"
image2_data = base64.standard_b64encode(httpx.get(image2_url).content).decode("utf-8")

# Para imágenes basadas en URL, puedes usar las URLs directamente en tus solicitudes

image1_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGP4z8AAAAMBAQDJ/pLvAAAAAElFTkSuQmCC"
image1_media_type = "image/png"

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)
print(message)

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg",
                    },
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)
print(message)

client = anthropic.Anthropic()

# Upload the image file
with open("image.jpg", "rb") as f:
    file_upload = client.beta.files.upload(file=("image.jpg", f, "image/jpeg"))

# Use the uploaded file in a message
message = client.beta.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    betas=["files-api-2025-04-14"],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)

print(message.content)