视觉

本指南介绍如何向 Claude 发送图像、适用的限制和成本，以及在哪里可以找到基于坐标的工作流的相关指导。



向 Claude 发送图像

您可以通过以下方式使用 Claude 的视觉能力：

• claude.ai。像上传文件一样上传图像，或直接将图像拖放到聊天窗口中。
• Anthropic Workbench。每个用户消息块的右上角都会显示一个添加图像的按钮。
• API 请求。请参阅以下示例。

在 API 中，使用以下三种来源类型之一，以 image 内容块的形式向 Claude 提供图像：

1. 嵌入在请求正文中的 base64 编码图像
2. 指向在线托管图像的 URL 引用
3. 由 Files API 返回的 file_id（上传一次，多次引用）



Base64 编码图像示例

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)



基于 URL 的图像示例

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)



Files API 图像示例

对于需要重复使用的图像，或者当您希望避免编码开销时，请使用 Files API。只需上传图像一次，然后在后续消息中引用返回的 file_id，而无需重新发送 base64 数据。

client = anthropic.Anthropic()

# 上传图像文件
with open("image.jpg", "rb") as f:
    file_upload = client.beta.files.upload(file=("image.jpg", f, "image/jpeg"))

# 在消息中使用已上传的文件
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)

有关更多示例代码和参数详情，请参阅 Messages API 示例。



多张图像

您可以在单个请求中包含多张图像，Claude 会对它们进行联合分析。这对于比较图像、询问差异或处理序列（例如文档的多个页面）非常有用。发送多张图像时，请为每张图像添加简短的文本标签（Image 1:、Image 2: 等），以便您在提示和后续轮次中按名称引用它们。

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)

在多轮对话中，可以用同样的方式在后续的 user 轮次中添加新图像。Claude 可以访问之前轮次中的所有图像，因此诸如"这些与前两张相似吗？"之类的后续问题无需在新轮次的内容中再次包含之前的图像即可正常工作。



图像限制和成本



请求限制

每条消息或每个请求的最大图像数量为：

• 在 claude.ai 上，每条消息 20 张。
• 在 API 上，对于具有 20 万令牌上下文窗口的模型，每个请求 100 张。
• 在 API 上，对于所有其他模型，每个请求 600 张。

每张图像的最大尺寸为 8000x8000 像素。

如果单个 API 请求包含超过 20 张图像，则会应用更严格的单张图像尺寸限制。在 Amazon Bedrock 和 Google Cloud 上，PDF 等文档块也会计入此阈值。超过该更严格限制的图像将被拒绝，并返回 invalid_request_error 错误，其消息中会提及 "many-image requests" 并说明当前的像素限制。要在所有平台上保持在限制范围内，请将每张图像调整为任一维度均不超过 2000 像素，或将请求中的图像和文档块总数控制在 20 个或以下。

每张图像的最大大小为：

• 直接使用 Claude API 时为 10 MB（base64 编码）。
• 在 Amazon Bedrock 和 Google Cloud 上为 5 MB（base64 编码）。
• 在 claude.ai 上为 10 MB。



支持的格式

Claude 支持 JPEG、PNG、GIF 和 WebP 图像（image/jpeg、image/png、image/gif、image/webp）。不支持动画，仅使用第一帧。



分辨率和令牌成本

Claude 以图块（patch）而非像素的方式查看图像。每个图块是图像中一个 28×28 像素的区块，称为一个视觉令牌（visual token）。因此，一张图像的成本为 ⌈宽度 / 28⌉ × ⌈高度 / 28⌉ 个视觉令牌。

每个模型都有一个最大原生图像分辨率，以长边限制和视觉令牌限制表示。超过任一限制的图像会在处理前被缩小；确切规则请参阅 Claude 如何调整图像大小和填充。

所列模型会自动启用高分辨率支持，无需 beta 标头或客户端选择加入。

下表显示了每个层级下几种图像尺寸的视觉令牌成本：

要估算成本，请将令牌数乘以您所使用模型的每令牌价格。例如，按 Claude Haiku 4.5 每百万输入令牌 1 美元（标准层级）计算，1000×1000 的图像每千张约花费 $1.30。按 Claude Opus 4.8 每百万 5 美元（高分辨率层级）计算，同样的图像每千张约花费 $6.48，4K 图像每千张约花费 $23.92。

高分辨率图像使用的视觉令牌最多可达标准层级模型上同一图像的约三倍。如果您不需要高分辨率为计算机使用、屏幕截图理解和密集文档提供的额外保真度，请在发送前对图像进行降采样以控制令牌成本。为了最小化延迟并简化基于坐标的工作流，建议在上传图像之前调整其大小。



图像质量指南

向 Claude 提供图像时，请牢记以下几点以获得最佳结果：

• **图像清晰度：**确保图像清晰，不要过于模糊或像素化。
• **文本：**如果图像包含重要文本，请确保其清晰可读且不要太小。避免仅为了放大文本而裁剪掉关键的视觉上下文。
• **调整大小：**请注意，如果图像过大，可能会被调整大小（参见分辨率和令牌成本）；例如，这可能会使文本变得不易辨认。请考虑预先调整图像大小、裁剪图像，或两者兼用。
• **图像压缩：**在发送图像之前使用有损格式（如 JPEG 或 WebP 有损模式）对其进行压缩，可以通过减小请求大小来降低延迟。但是，这可能会引入对模型性能有害的伪影，尤其是在应用多次压缩时。例如，重度 JPEG 压缩可能会使文本难以阅读。请通过检查实际发送到 API 的图像来确认您的压缩设置适合当前任务。



坐标和边界框

有关边界框、点和像素坐标的信息，请参阅坐标和边界框。Claude 返回的是相对于其调整大小后所看到的图像的绝对像素坐标；该指南介绍了 Claude 如何调整图像大小和填充，以及如何预先调整大小或重新缩放，使坐标与您的原始图像对齐。



局限性

尽管 Claude 的图像理解能力处于领先水平，但仍有一些需要注意的局限性：

• **人物识别：**Claude 不能用于识别图像中人物的姓名，并会拒绝此类请求。
• **准确性：**在解读低质量、旋转或小于 200 像素的极小图像时，Claude 可能会产生幻觉或出错。
• **空间推理：**Claude 的坐标和定位输出是近似值。请遵循坐标和边界框中的指导，并在依赖输出之前进行验证。
• **计数：**Claude 可以给出图像中物体的大致数量，但可能并不总是精确，尤其是在存在大量小物体的情况下。
• **AI 生成的图像：**Claude 无法判断图像是否由 AI 生成，如果被问及可能会给出错误答案。请勿依赖它来检测伪造或合成图像。
• **不当内容：**Claude 不会处理违反可接受使用政策的不当或露骨图像。
• **医疗保健应用：**尽管 Claude 可以分析一般医学图像，但它并非为解读 CT 或 MRI 等复杂诊断扫描而设计。Claude 的输出不应被视为专业医疗建议或诊断的替代品。

请始终仔细审查和验证 Claude 的图像解读结果，尤其是在高风险用例中。对于需要完美精度或敏感图像分析的任务，请勿在没有人工监督的情况下使用 Claude。



常见问题



后续步骤