Зрение

В этом руководстве описывается, как отправлять изображения в Claude, какие ограничения и затраты применяются, а также где найти рекомендации по рабочим процессам на основе координат.



Отправка изображений в Claude

Используйте возможности зрения Claude через:

• claude.ai. Загрузите изображение так же, как файл, или перетащите изображение непосредственно в окно чата.
• Anthropic Workbench. Кнопка для добавления изображений появляется в правом верхнем углу каждого блока сообщения пользователя.
• Запрос к API. См. следующие примеры.

В API предоставляйте изображения Claude в виде блоков контента image, используя один из трёх типов источников:

1. Изображение в кодировке base64, встроенное в тело запроса
2. URL-ссылка на изображение, размещённое в интернете
3. file_id, возвращённый Files API (загрузите один раз, ссылайтесь многократно)



Пример изображения в кодировке base64

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

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-4-8",
    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)



Пример изображения на основе URL

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-4-8",
    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)



Пример изображения через Files API

Для изображений, которые вы будете использовать многократно, или когда вы хотите избежать накладных расходов на кодирование, используйте Files API. Загрузите изображение один раз, затем ссылайтесь на возвращённый file_id в последующих сообщениях вместо повторной отправки данных base64.

client = anthropic.Anthropic()

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

# Используйте загруженный файл в сообщении
message = client.beta.messages.create(
    model="claude-opus-4-8",
    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)

См. примеры Messages API для получения дополнительного примера кода и подробностей о параметрах.



Несколько изображений

Вы можете включить несколько изображений в один запрос, и Claude анализирует их совместно. Это полезно для сравнения изображений, вопросов о различиях или работы с последовательностью, например страницами документа. При отправке нескольких изображений предваряйте каждое из них короткой текстовой меткой (Image 1:, Image 2: и так далее), чтобы вы могли ссылаться на них по имени в вашей подсказке и в последующих ходах.

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Image 1:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGP4z8AAAAMBAQDJ/pLvAAAAAElFTkSuQmCC",
                    },
                },
                {"type": "text", "text": "Image 2:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGNgYPgPAAEDAQAIicLsAAAAAElFTkSuQmCC",
                    },
                },
                {"type": "text", "text": "How are these images different?"},
            ],
        }
    ],
)
print(message)

В многоходовом диалоге добавляйте новые изображения в последующих ходах user таким же образом. Claude имеет доступ ко всем изображениям из предыдущих ходов, поэтому уточняющие вопросы, такие как «Похожи ли они на первые два?», работают без повторного включения более ранних изображений в содержимое нового хода.



Ограничения и стоимость изображений



Ограничения запросов

Максимальное количество изображений на сообщение или запрос:

• 20 на сообщение в claude.ai.
• 100 на запрос в API для моделей с контекстным окном в 200 тыс. токенов.
• 600 на запрос в API для всех остальных моделей.

Максимальные размеры одного изображения — 8000x8000 пикселей.

Если один запрос к API содержит более 20 изображений, применяется более строгое ограничение размеров для каждого изображения. На Amazon Bedrock и Google Cloud блоки документов, такие как PDF, также учитываются при расчёте этого порога. Изображения, превышающие более строгое ограничение, отклоняются с ошибкой invalid_request_error, в сообщении которой упоминается «many-image requests» и указывается текущее ограничение в пикселях. Чтобы оставаться в пределах ограничения на всех платформах, либо измените размер каждого изображения так, чтобы ни одно измерение не превышало 2000 пикселей, либо ограничьте запрос 20 или менее блоками изображений и документов.

Максимальный размер одного изображения:

• 10 МБ (в кодировке base64) при прямом использовании Claude API.
• 5 МБ (в кодировке base64) на Amazon Bedrock и Google Cloud.
• 10 МБ в claude.ai.



Поддерживаемые форматы

Claude поддерживает изображения JPEG, PNG, GIF и WebP (image/jpeg, image/png, image/gif, image/webp). Анимации не поддерживаются, и используется только первый кадр.



Разрешение и стоимость в токенах

Claude рассматривает изображения в виде патчей, а не пикселей. Каждый патч — это блок изображения размером 28×28 пикселей, называемый визуальным токеном. Таким образом, изображение стоит ⌈width / 28⌉ × ⌈height / 28⌉ визуальных токенов.

Каждая модель имеет максимальное нативное разрешение изображения, выраженное как ограничение длинной стороны и ограничение визуальных токенов. Изображения, превышающие любое из ограничений, уменьшаются перед обработкой; точное правило см. в разделе Как Claude изменяет размер и дополняет изображения.

Поддержка высокого разрешения автоматическая для перечисленных моделей и не требует бета-заголовка или включения на стороне клиента.

В следующей таблице показана стоимость в визуальных токенах для нескольких размеров изображений на каждом уровне:

Чтобы оценить стоимость, умножьте количество токенов на цену за токен модели, которую вы используете. Например, при цене Claude Haiku 4.5 в $1 за миллион входных токенов (стандартный уровень) изображение 1000×1000 стоит около $1,30 за тысячу изображений. При цене Claude Opus 4.8 в $5 за миллион (уровень высокого разрешения) то же изображение стоит около $6,48 за тысячу, а изображение 4K — около $23,92 за тысячу.

Изображения высокого разрешения могут использовать примерно в три раза больше визуальных токенов, чем то же изображение на модели стандартного уровня. Если вам не нужна дополнительная точность, которую высокое разрешение обеспечивает для использования компьютера, понимания скриншотов и плотных документов, уменьшайте разрешение изображений перед отправкой, чтобы контролировать затраты на токены. Чтобы минимизировать задержку и упростить рабочие процессы на основе координат, предпочитайте изменять размер изображений перед их загрузкой.



Рекомендации по качеству изображений

При предоставлении изображений Claude учитывайте следующее для достижения наилучших результатов:

• Чёткость изображения: Убедитесь, что изображения чёткие, не слишком размытые или пикселизированные.
• Текст: Если изображение содержит важный текст, убедитесь, что он разборчив и не слишком мелкий. Избегайте обрезки ключевого визуального контекста исключительно ради увеличения текста.
• Изменение размера: Учитывайте, что размер вашего изображения может быть изменён, если оно слишком большое (см. Разрешение и стоимость в токенах); это может, например, сделать текст менее разборчивым. Рассмотрите возможность предварительного изменения размера ваших изображений, их обрезки или и того и другого.
• Сжатие изображений: Сжатие изображений перед их отправкой с использованием формата с потерями, такого как JPEG или WebP (режим с потерями), может уменьшить задержку за счёт уменьшения размера запросов. Однако это может привести к появлению артефактов, которые негативно влияют на производительность модели, особенно при применении нескольких проходов сжатия. Например, сильное сжатие JPEG может затруднить чтение текста. Убедитесь, что ваши настройки сжатия подходят для задачи, проверив фактические изображения, отправляемые в API.



Координаты и ограничивающие рамки

Для ограничивающих рамок, точек и пиксельных координат см. Координаты и ограничивающие рамки. Claude возвращает абсолютные пиксельные координаты относительно изображения, которое он видит после изменения размера; это руководство описывает, как Claude изменяет размер и дополняет изображения, а также как предварительно изменить размер или масштабировать, чтобы координаты соответствовали вашему исходному изображению.



Ограничения

Хотя возможности Claude по пониманию изображений являются передовыми, существуют некоторые ограничения, о которых следует знать:

• Идентификация людей: Claude нельзя использовать для называния людей на изображениях, и он отказывается это делать.
• Точность: Claude может галлюцинировать или допускать ошибки при интерпретации низкокачественных, повёрнутых или очень маленьких изображений размером менее 200 пикселей.
• Пространственное мышление: Выходные данные Claude по координатам и локализации являются приблизительными. Следуйте рекомендациям в разделе Координаты и ограничивающие рамки и проверяйте выходные данные, прежде чем полагаться на них.
• Подсчёт: Claude может дать приблизительное количество объектов на изображении, но не всегда может быть точным, особенно при большом количестве мелких объектов.
• Изображения, созданные ИИ: Claude не может определить, создано ли изображение ИИ, и может ошибиться, если его спросить. Не полагайтесь на него для обнаружения поддельных или синтетических изображений.
• Неприемлемый контент: Claude не обрабатывает неприемлемые или откровенные изображения, нарушающие Политику допустимого использования.
• Применение в здравоохранении: Хотя Claude может анализировать общие медицинские изображения, он не предназначен для интерпретации сложных диагностических снимков, таких как КТ или МРТ. Выходные данные Claude не следует рассматривать как замену профессиональной медицинской консультации или диагноза.

Всегда тщательно проверяйте и верифицируйте интерпретации изображений Claude, особенно для сценариев использования с высокими ставками. Не используйте Claude для задач, требующих идеальной точности или анализа чувствительных изображений без человеческого контроля.



Часто задаваемые вопросы



Следующие шаги