消息图像与视觉

视觉

Claude 的视觉能力使其能够理解和分析图像，为多模态交互开启了令人兴奋的可能性。

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指导。

向 Claude 发送图像

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，或将图像直接拖放到聊天窗口中。
Claude Console 中的 Workbench。将图像直接添加到任何 User 消息块中。
API 请求。请参阅以下示例。

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

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

在 Amazon Bedrock 和 Google Cloud 上，目前仅支持 base64 编码的源。

正如将长文档放在查询之前可以改善文本提示的结果一样，当图像位于文本之前时，Claude 的表现最佳。放在文本之后或与文本穿插的图像仍然表现良好，但如果您的用例允许，请优先采用先图像后文本的结构。

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-5",
    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-5",
    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。上传图像一次，然后在后续消息中引用返回的 file_id，而不是重新发送 base64 数据。

在多轮对话和代理式工作流中，每个请求都会重新发送完整的对话历史。如果图像是 base64 编码的，则每一轮的有效负载中都会包含完整的图像字节，随着对话的增长，这会显著增加请求大小和延迟。将图像上传到 Files API 并通过 file_id 引用它们，可以使请求有效负载保持较小，无论对话历史中累积了多少图像。

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-5",
    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)

请参阅 Messages API 示例了解更多示例代码和参数详情。

多张图像

您可以在单个请求中包含多张图像，Claude 会联合分析它们。这对于比较图像、询问差异或处理诸如文档页面之类的序列非常有用。发送多张图像时，请用简短的文本标签（Image 1:、Image 2: 等）介绍每张图像，以便您可以在提示和后续轮次中按名称引用它们。

image1_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGP4z8AAAAMBAQDJ/pLvAAAAAElFTkSuQmCC"
image2_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGNgYPgPAAEDAQAIicLsAAAAAElFTkSuQmCC"

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Image 1:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image1_data,
                    },
                },
                {"type": "text", "text": "Image 2:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image2_data,
                    },
                },
                {"type": "text", "text": "How are these images different?"},
            ],
        }
    ],
)
print(message)

在多轮对话中，以相同的方式在后续的 user 轮次中添加新图像。Claude 可以访问之前轮次中的每张图像，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 200k 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图像尺寸限制。在 Amazon Bedrock 和 Google Cloud 上，诸如 PDF 之类的文档块也计入此阈值。超过更严格限制的图像将被拒绝，并返回 invalid_request_error，其消息会提及"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之内，请调整每张图像的大小，使其任一维度都不超过 2000 像素，或者将请求保持在 20 个或更少的图像和文档块。

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。

尽管 API 支持每个请求最多 600 张图像，但可能会先达到请求大小限制（标准端点为 32 MB；在某些合作伙伴运营的平台上更低，例如 Amazon Bedrock 和 Google Cloud）。对于大量图像，请考虑使用 Files API 上传并通过 file_id 引用，以保持请求有效负载较小。

即使使用 Files API，包含许多大图像的请求也可能在达到 600 张图像数量之前失败。请在上传前减小图像尺寸或文件大小（例如，通过降采样）（请参阅分辨率和令牌成本）。

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 像素的块，称为视觉令牌（visual token）。因此，一张图像的成本为 ⌈width / 28⌉ × ⌈height / 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。大于任一限制的图像在处理前会被缩小；有关确切规则，请参阅 Claude 如何调整图像大小和填充图像。

分辨率层级	模型	最大长边	最大视觉令牌数
高分辨率	Claude 4.7 及更高版本的模型	2576 像素	4784
标准	所有其他模型	1568 像素	1568

高分辨率支持在所列模型上是自动的，不需要 beta 标头或客户端选择启用。

下表显示了每个层级上几种图像尺寸的缩小后分辨率和视觉令牌成本：

图像尺寸	标准层级：缩小至	标准层级：令牌数	高分辨率层级：缩小至	高分辨率层级：令牌数
200x200 像素（0.04 百万像素）	不调整大小	64	不调整大小	64
1000x1000 像素（1 百万像素）	不调整大小	1296	不调整大小	1296
1092x1092 像素（1.19 百万像素）	不调整大小	1521	不调整大小	1521
1920x1080 像素（2.07 百万像素）	1456x819 像素	1560	不调整大小	2691
2000x1500 像素（3 百万像素）	1269x952 像素	1564	不调整大小	3888
3840x2160 像素（8.29 百万像素）	1456x819 像素	1560	2576x1449 像素	4784

当图像被缩小时，Claude 会在保持其宽高比的同时将其缩放到符合该层级限制的最大尺寸。这限制了令牌成本的上限。有关精确规则和参考实现，请参阅 Claude 如何调整图像大小和填充图像。

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 5 每百万 5 美元（高分辨率层级）计算，同一图像每千张约花费 $6.48，而 4K 图像每千张约花费 $23.92。

高分辨率图像使用的视觉令牌数量可能比同一图像在标准层级模型上多出大约三倍。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。为了最大限度地减少延迟并简化基于坐标的工作流，请优先在上传图像之前调整其大小。

图像质量指导

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，不要太模糊或像素化。
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： 请考虑到如果图像太大，可能会被调整大小（请参阅分辨率和令牌成本）；例如，这可能会使文本变得不太清晰。请考虑预先调整图像大小、裁剪图像，或两者兼而有之。
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））压缩图像，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，高强度的 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该任务。

坐标和边界框

有关边界框、点和像素坐标，请参阅坐标和边界框。Claude 返回的是相对于其在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图像，以及如何预先调整大小或重新缩放，以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前沿水平，但仍有一些需要注意的局限性：

人物识别： Claude 不能被用于识别图像中人物的姓名，并且会拒绝这样做。
准确性： 在解读低质量、旋转或小于 200 像素的非常小的图像时，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的。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准确，尤其是在有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，如果被问及可能会出错。请勿依赖它来检测虚假或合成图像。
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 可以分析一般的医学图像，但它并非设计用于解读 CT 或 MRI 等复杂的诊断扫描。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，尤其是对于高风险用例。在没有人工监督的情况下，请勿将 Claude 用于需要完美精度或敏感图像分析的任务。

常见问题

后续步骤

多模态 Cookbook

获取有关解读图表和从表单中提取内容等任务的技巧和最佳实践技术。

API 参考

查看 Messages API 文档，包括涉及图像的示例 API 调用。

Was this page helpful?

消息图像与视觉

视觉

Claude 的视觉能力使其能够理解和分析图像，为多模态交互开启了令人兴奋的可能性。

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指导。

向 Claude 发送图像

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，或将图像直接拖放到聊天窗口中。
Claude Console 中的 Workbench。将图像直接添加到任何 User 消息块中。
API 请求。请参阅以下示例。

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

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

在 Amazon Bedrock 和 Google Cloud 上，目前仅支持 base64 编码的源。

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-5",
    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-5",
    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

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-5",
    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)

请参阅 Messages API 示例了解更多示例代码和参数详情。

多张图像

image1_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGP4z8AAAAMBAQDJ/pLvAAAAAElFTkSuQmCC"
image2_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGNgYPgPAAEDAQAIicLsAAAAAElFTkSuQmCC"

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Image 1:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image1_data,
                    },
                },
                {"type": "text", "text": "Image 2:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image2_data,
                    },
                },
                {"type": "text", "text": "How are these images different?"},
            ],
        }
    ],
)
print(message)

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 200k 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。

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

分辨率层级	模型	最大长边	最大视觉令牌数
高分辨率	Claude 4.7 及更高版本的模型	2576 像素	4784
标准	所有其他模型	1568 像素	1568

高分辨率支持在所列模型上是自动的，不需要 beta 标头或客户端选择启用。

下表显示了每个层级上几种图像尺寸的缩小后分辨率和视觉令牌成本：

图像尺寸	标准层级：缩小至	标准层级：令牌数	高分辨率层级：缩小至	高分辨率层级：令牌数
200x200 像素（0.04 百万像素）	不调整大小	64	不调整大小	64
1000x1000 像素（1 百万像素）	不调整大小	1296	不调整大小	1296
1092x1092 像素（1.19 百万像素）	不调整大小	1521	不调整大小	1521
1920x1080 像素（2.07 百万像素）	1456x819 像素	1560	不调整大小	2691
2000x1500 像素（3 百万像素）	1269x952 像素	1564	不调整大小	3888
3840x2160 像素（8.29 百万像素）	1456x819 像素	1560	2576x1449 像素	4784

图像质量指导

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，不要太模糊或像素化。
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： 请考虑到如果图像太大，可能会被调整大小（请参阅分辨率和令牌成本）；例如，这可能会使文本变得不太清晰。请考虑预先调整图像大小、裁剪图像，或两者兼而有之。
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））压缩图像，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，高强度的 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该任务。

坐标和边界框

局限性

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

人物识别： Claude 不能被用于识别图像中人物的姓名，并且会拒绝这样做。
准确性： 在解读低质量、旋转或小于 200 像素的非常小的图像时，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的。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准确，尤其是在有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，如果被问及可能会出错。请勿依赖它来检测虚假或合成图像。
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 可以分析一般的医学图像，但它并非设计用于解读 CT 或 MRI 等复杂的诊断扫描。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，尤其是对于高风险用例。在没有人工监督的情况下，请勿将 Claude 用于需要完美精度或敏感图像分析的任务。

常见问题

后续步骤

多模态 Cookbook

获取有关解读图表和从表单中提取内容等任务的技巧和最佳实践技术。

API 参考

查看 Messages API 文档，包括涉及图像的示例 API 调用。

Was this page helpful?

向 Claude 发送图像

Base64 编码图像示例

基于 URL 的图像示例

Files API 图像示例

多张图像

图像限制和成本

请求限制

支持的格式

分辨率和令牌成本

图像质量指导

坐标和边界框

局限性

常见问题

Claude 支持哪些图像文件类型？

Claude 可以读取图像 URL 吗？

我可以上传的图像文件大小有限制吗？

我可以在一个请求中包含多少张图像？

Claude 会读取图像元数据吗？

我可以删除已上传的图像吗？

在哪里可以找到有关图像上传数据隐私的详细信息？

如果 Claude 的图像解读似乎有误怎么办？

Claude 可以生成或编辑图像吗？

后续步骤

向 Claude 发送图像

Base64 编码图像示例

基于 URL 的图像示例

Files API 图像示例

多张图像

图像限制和成本

请求限制

支持的格式

分辨率和令牌成本

图像质量指导

坐标和边界框

局限性

常见问题

Claude 支持哪些图像文件类型？

Claude 可以读取图像 URL 吗？

我可以上传的图像文件大小有限制吗？

我可以在一个请求中包含多少张图像？

Claude 会读取图像元数据吗？

我可以删除已上传的图像吗？

在哪里可以找到有关图像上传数据隐私的详细信息？

如果 Claude 的图像解读似乎有误怎么办？

Claude 可以生成或编辑图像吗？

后续步骤

向 Claude 发送图像

Base64 编码图像示例

基于 URL 的图像示例

Files API 图像示例

多张图像

图像限制和成本

请求限制

支持的格式

分辨率和令牌成本

图像质量指导

坐标和边界框

局限性

常见问题

后续步骤

向 Claude 发送图像

Base64 编码图像示例

基于 URL 的图像示例

Files API 图像示例

多张图像

图像限制和成本

请求限制

支持的格式

分辨率和令牌成本

图像质量指导

坐标和边界框

局限性

常见问题

后续步骤