Зрение

В этом руководстве описывается, как работать с изображениями в Claude, включая лучшие практики, примеры кода и ограничения, о которых следует помнить.

Как использовать зрение

Используйте возможности зрения Claude через:

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

В один запрос можно включить несколько изображений, которые Claude проанализирует совместно при формулировании ответа. Это может быть полезно для сравнения или сопоставления изображений.

Перед загрузкой

Общие ограничения

Максимальное количество изображений на одно 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 вы отправляете более 20 изображений в одном запросе API, этот лимит снижается до 2000x2000 пикселей.

Максимальный размер одного изображения:

• 10 МБ (в кодировке base64) при использовании Claude API напрямую.
• 5 МБ (в кодировке base64) на Amazon Bedrock и Vertex AI.
• 10 МБ на claude.ai.

Оценка размера изображения

Изображение использует приблизительно width * height / 750 токенов, где ширина и высота выражены в пикселях.

Максимальное нативное разрешение изображения:

• Для Claude Fable 5 и Claude Mythos 5: 4784 токена и не более 2576 пикселей по длинной стороне.
• Для Claude Opus 4.8: 4784 токена и не более 2576 пикселей по длинной стороне.
• Для Claude Opus 4.7: 4784 токена и не более 2576 пикселей по длинной стороне.
• Для других моделей: 1568 токенов и не более 1568 пикселей по длинной стороне.

Если ваше входное изображение больше этого нативного разрешения, оно сначала будет изменено до максимально возможного размера с сохранением соотношения сторон. Кроме того, изображения дополняются снизу и справа до размера, кратного 28 пикселям.

Чтобы минимизировать задержку и упростить рабочие процессы на основе координат, рекомендуется изменять размер изображений перед их загрузкой.

Расчёт стоимости изображений

Каждое изображение, которое вы включаете в запрос к Claude, учитывается в использовании токенов. Чтобы рассчитать приблизительную стоимость, умножьте приблизительное количество токенов изображения, вычисленное как указано выше, на цену за токен модели, которую вы используете.

Вот примеры приблизительной токенизации и стоимости для различных размеров изображений в пределах ограничений размера API на основе цены Claude Sonnet 4.6 за токен — $3 за миллион входных токенов:

Обратите внимание, что последние три изображения уменьшаются перед обработкой.

Поддержка изображений высокого разрешения

Claude Opus 4.7 — первая модель Claude с поддержкой изображений высокого разрешения; Claude Opus 4.8, Claude Fable 5, Claude Mythos 5 и более поздние модели также её поддерживают. Максимальное разрешение изображения составляет 2576 пикселей по длинной стороне, по сравнению с 1568 пикселями в предыдущих моделях. Это обеспечивает прирост производительности в задачах с интенсивным использованием зрения и особенно ценно для работы с компьютером, понимания скриншотов и анализа документов.

Поддержка высокого разрешения включается автоматически в Claude Opus 4.7 и более поздних моделях и не требует бета-заголовка или включения на стороне клиента.

Изображения высокого разрешения в Claude Opus 4.7, Claude Opus 4.8, Claude Fable 5 и Claude Mythos 5 могут использовать примерно в 3 раза больше токенов изображения, чем в предыдущих моделях (4784 против 1568 токенов на изображение). Если вам не нужна дополнительная детализация, уменьшите разрешение изображений перед отправкой, чтобы контролировать затраты на токены.

Вот те же размеры изображений, токенизированные для Claude Opus 4.7 и Claude Opus 4.8, на основе их цены за токен — $5 за миллион входных токенов:

Обеспечение качества изображений

При предоставлении изображений Claude учитывайте следующее для получения наилучших результатов:

• Формат изображения: используйте поддерживаемый формат изображения: JPEG, PNG, GIF или WebP.
  Анимация не поддерживается, и будет использован только первый кадр.
• 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 только ради увеличения текста.
• Изменение размера: учитывайте, что ваше изображение может быть изменено в размере, если оно слишком большое (см. выше); это может, например, сделать текст менее разборчивым. Рассмотрите возможность предварительного изменения размера изображений, их обрезки или и того и другого.
• Сжатие изображений: сжатие изображений перед отправкой с использованием формата с потерями, такого как JPEG или WebP (режим с потерями), может снизить 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.

Примеры подсказок

Многие из техник составления подсказок, которые хорошо работают для текстового взаимодействия с Claude, также могут применяться к подсказкам на основе изображений.

Эти примеры демонстрируют лучшие практики структурирования подсказок с использованием изображений.

О примерах подсказок

Следующие примеры демонстрируют, как использовать возможности зрения Claude с помощью различных языков программирования и подходов. Вы можете предоставить изображения Claude тремя способами:

1. Как изображение в кодировке base64 в блоках контента image
2. Как URL-ссылку на изображение, размещённое в интернете
3. Используя Files API (загрузить один раз, использовать многократно)

Примеры подсказок с base64 используют следующие переменные:

import base64
import httpx

# Для изображений в кодировке 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")

# Для изображений по URL можно использовать URL-адреса напрямую в запросах

Ниже приведены примеры того, как включить изображения в запрос Messages API, используя изображения в кодировке base64 и URL-ссылки:

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 дополнительных примеров кода и подробностей о параметрах.

Ограничения

Хотя возможности понимания изображений Claude 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: способности Claude к пространственному мышлению ограничены. Он может испытывать трудности с задачами, требующими точной локализации или компоновки, например, считывание циферблата аналоговых часов или описание точных позиций шахматных фигур.
• Подсчёт: Claude может дать приблизительное количество объектов на изображении, но не всегда может быть абсолютно точным, особенно при большом количестве мелких объектов.
• Изображения, созданные ИИ: Claude не знает, 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. Результаты Claude не следует рассматривать как замену профессиональной медицинской консультации или диагностики.

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

Часто задаваемые вопросы

Углубитесь в возможности зрения

Готовы начать создавать с использованием изображений в Claude? Вот несколько полезных ресурсов:

• Мультимодальный cookbook: этот cookbook содержит советы по началу работы с изображениями и техники лучших практик для обеспечения наивысшего качества работы с изображениями. Узнайте, как эффективно составлять подсказки Claude с изображениями для выполнения таких задач, как интерпретация и анализ диаграмм или извлечение содержимого из форм.
• Справочник API: документация по Messages API, включая примеры вызовов API с использованием изображений.

Если у вас есть другие вопросы, обратитесь в службу поддержки. Вы также можете присоединиться к сообществу разработчиков, чтобы общаться с другими создателями и получать помощь от экспертов Anthropic.