Claude Platform Docs
MessagesBekerja dengan file

Dukungan PDF

Proses PDF dengan Claude: ekstrak teks, analisis grafik, dan pahami konten visual dari dokumen Anda.

Anda dapat bertanya kepada Claude tentang teks, gambar, grafik, dan tabel apa pun dalam PDF yang Anda berikan. Beberapa contoh kasus penggunaan:

  • Menganalisis laporan keuangan dan memahami grafik/tabel
  • Mengekstrak informasi penting dari dokumen hukum
  • Membantu penerjemahan dokumen
  • Mengonversi informasi dokumen ke dalam format terstruktur

Sebelum Anda memulai

Periksa persyaratan PDF

Claude bekerja dengan PDF standar apa pun. Pastikan ukuran permintaan Anda memenuhi persyaratan berikut:

PersyaratanBatas
Ukuran permintaan maksimum32 MB (bervariasi menurut platform)
Halaman maksimum per permintaan600 (100 jika jendela konteks permintaan di bawah 1 juta token)
FormatPDF standar (tanpa kata sandi/enkripsi)

Kedua batas tersebut berlaku untuk seluruh payload permintaan, termasuk konten lain apa pun yang dikirim bersama PDF. Untuk PDF berukuran besar, pertimbangkan untuk mengunggahnya dengan Files API dan mereferensikannya melalui file_id agar payload permintaan tetap kecil.

Karena dukungan PDF bergantung pada kemampuan vision Claude, dukungan ini tunduk pada keterbatasan dan pertimbangan yang sama seperti tugas vision lainnya.

Platform dan model yang didukung

Semua model aktif mendukung pemrosesan PDF. Untuk dukungan PDF melalui Converse API Amazon Bedrock, lihat dukungan PDF Amazon Bedrock.

Dukungan PDF Amazon Bedrock

Saat menggunakan dukungan PDF melalui Converse API, bagian dari Claude di Amazon Bedrock (Opus 4.6 dan sebelumnya), terdapat dua mode pemrosesan dokumen yang berbeda:

Mode pemrosesan dokumen

  1. Converse Document Chat (Mode asli - Hanya ekstraksi teks)

    • Menyediakan ekstraksi teks dasar dari PDF
    • Tidak dapat menganalisis gambar, grafik, atau tata letak visual dalam PDF
    • Menggunakan sekitar 1.000 token untuk PDF 3 halaman
    • Digunakan secara otomatis ketika citations tidak diaktifkan

  2. Claude PDF Chat (Mode baru - Pemahaman visual penuh)

    • Menyediakan analisis visual lengkap terhadap PDF
    • Dapat memahami dan menganalisis bagan, grafik, gambar, dan tata letak visual
    • Memproses setiap halaman sebagai teks dan gambar untuk pemahaman yang komprehensif
    • Menggunakan sekitar 7.000 token untuk PDF 3 halaman
    • Memerlukan citations diaktifkan di Converse API

Keterbatasan utama

  • Converse API: Analisis PDF visual memerlukan citations diaktifkan. Saat ini tidak ada opsi untuk menggunakan analisis visual tanpa citations (berbeda dengan InvokeModel API).
  • InvokeModel API: Menyediakan kontrol penuh atas pemrosesan PDF tanpa citations yang dipaksakan.

Masalah umum

Jika Claude tidak melihat gambar atau grafik dalam PDF Anda saat menggunakan Converse API, kemungkinan Anda perlu mengaktifkan flag citations. Tanpanya, Converse akan kembali ke ekstraksi teks dasar saja.

Proses PDF dengan Claude

Kirim permintaan PDF pertama Anda

Mulailah dengan contoh sederhana menggunakan Messages API. Anda dapat memberikan PDF kepada Claude dengan tiga cara:

  1. Sebagai referensi URL ke PDF yang dihosting secara online
  2. Sebagai PDF yang dienkode base64 dalam blok konten document
  3. Melalui file_id dari Files API

Opsi 1: Dokumen PDF berbasis URL

Pendekatan paling sederhana adalah mereferensikan PDF langsung dari URL:

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "url",
                        "url": "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf",
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Respons mengembalikan analisis Claude sebagai blok teks dalam content, dengan konsumsi token dalam usage:

Output
{
  "id": "msg_01Hfp8YuFjQ55VgWbpdHDehB",
  "type": "message",
  "role": "assistant",
  "model": "claude-opus-5-5",
  "content": [
    {
      "type": "text",
      "text": "This document is an addendum to the Claude 3 model card, reporting updated evaluation results. The key findings include..."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 45000,
    "output_tokens": 300
  }
}

Opsi 2: Dokumen PDF yang dienkode base64

Jika Anda perlu mengirim PDF dari sistem lokal Anda atau ketika URL tidak tersedia:

import base64
import httpx2

# Pertama, muat dan enkode PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx2.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Alternatif: Muat dari file lokal
# with open("document.pdf", "rb") as f:
#     pdf_data = base64.standard_b64encode(f.read()).decode("utf-8")

# Kirim ke Claude menggunakan enkode base64
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Opsi 3: Files API

Untuk PDF yang akan Anda gunakan berulang kali, atau ketika Anda ingin menghindari overhead encoding, gunakan Files API:

client = anthropic.Anthropic()

# Unggah file PDF
with open("/path/to/document.pdf", "rb") as f:
    file_upload = client.files.upload(file=("document.pdf", f, "application/pdf"))

# Gunakan file yang telah diunggah dalam pesan
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Cara kerja dukungan PDF

Saat Anda mengirim PDF ke Claude, langkah-langkah berikut terjadi:

  1. Sistem mengekstrak isi dokumen.

    • Sistem mengonversi setiap halaman dokumen menjadi gambar.
    • Teks dari setiap halaman diekstrak dan disediakan bersama gambar setiap halaman.

  2. Claude menganalisis teks dan gambar untuk memahami dokumen dengan lebih baik.

    • Dokumen disediakan sebagai kombinasi teks dan gambar untuk dianalisis.
    • Ini memungkinkan pengguna meminta wawasan tentang elemen visual PDF, seperti grafik, diagram, dan konten non-tekstual lainnya.

  3. Claude merespons, dengan mereferensikan isi PDF jika relevan.

    Claude dapat mereferensikan konten tekstual maupun visual saat merespons. Anda dapat lebih meningkatkan kinerja dengan mengintegrasikan dukungan PDF dengan:

Perkirakan biaya Anda

Jumlah token file PDF bergantung pada total teks yang diekstrak dari dokumen dan jumlah halaman:

  • Biaya token teks: Setiap halaman biasanya menggunakan 1.500–3.000 token per halaman tergantung kepadatan konten. Harga API standar berlaku tanpa biaya PDF tambahan.
  • Biaya token gambar: Karena setiap halaman dikonversi menjadi gambar, perhitungan biaya berbasis gambar yang sama diterapkan.

Anda dapat menggunakan penghitungan token untuk memperkirakan biaya untuk PDF spesifik Anda.

Optimalkan pemrosesan PDF

Tingkatkan kinerja

Ikuti praktik terbaik berikut untuk hasil optimal:

  • Tempatkan PDF sebelum teks dalam permintaan Anda
  • Gunakan font standar
  • Pastikan teks jelas dan terbaca
  • Putar halaman ke orientasi tegak yang benar
  • Gunakan nomor halaman logis (dari penampil PDF) dalam prompt
  • Bagi PDF besar menjadi beberapa bagian jika diperlukan
  • Aktifkan caching prompt untuk analisis berulang

Skalakan implementasi Anda

Untuk pemrosesan bervolume tinggi, pertimbangkan pendekatan berikut:

Gunakan caching prompt

Cache PDF dengan caching prompt untuk meningkatkan kinerja pada kueri berulang:

import base64
import httpx2

# Pertama, muat dan enkode PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx2.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Buat pesan dengan dokumen yang di-cache
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "text",
                    "text": "Which model has the highest human preference win rates across each use-case?",
                },
            ],
        }
    ],
)

print(message.content)

Proses batch dokumen

Gunakan Message Batches API untuk memproses banyak PDF dalam satu permintaan:

import base64
import httpx2

# Pertama, muat dan enkode PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx2.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Buat batch permintaan yang menggunakan dokumen tersebut
client = anthropic.Anthropic()
message_batch = client.messages.batches.create(
    requests=[
        {
            "custom_id": "my-first-request",
            "params": {
                "model": "claude-opus-5-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Which model has the highest human preference win rates across each use-case?",
                            },
                        ],
                    }
                ],
            },
        },
        {
            "custom_id": "my-second-request",
            "params": {
                "model": "claude-opus-5-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Extract 5 key insights from this document.",
                            },
                        ],
                    }
                ],
            },
        },
    ]
)

print(message_batch)

Batch diproses secara asinkron. Untuk memeriksa progres dan mengambil hasil setelah pemrosesan selesai, lihat Pemrosesan batch.

Langkah selanjutnya

Vision

Kemampuan vision Claude memungkinkannya memahami dan menganalisis gambar, membuka kemungkinan menarik untuk interaksi multimodal.

Coba contoh PDF

Jelajahi contoh praktis pemrosesan PDF dalam resep Claude Cookbook.

Lihat referensi API

Lihat dokumentasi API lengkap untuk dukungan PDF.

Compatibility

Supported platforms
  • Claude API
  • Claude Platform on AWS
  • Amazon Bedrock
  • Google Cloud
  • Microsoft Foundry

Was this page helpful?