視覺

本指南說明如何將圖片傳送給 Claude、適用的限制與費用，以及在哪裡可以找到基於座標的工作流程的相關指引。

將圖片傳送給 Claude

您可以透過以下方式使用 Claude 的視覺能力：

• claude.ai。像上傳檔案一樣上傳圖片，或直接將圖片拖放到聊天視窗中。
• Claude Console 中的 Playground。直接將圖片新增到任何 User 訊息區塊中。
• API 請求。請參閱以下範例。

在 API 上，請以 image 內容區塊的形式將圖片提供給 Claude，並使用以下三種來源類型之一：

1. 嵌入在請求主體中的 base64 編碼圖片
2. 指向線上託管圖片的 URL 參照
3. 由 Files API 傳回的 file_id（上傳一次，多次參照）

Base64 編碼圖片範例

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

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5-5",
    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)

基於 URL 的圖片範例

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://platform.claude.com/docs/images/vision-example.jpg",
                    },
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)
print(message)

Files API 圖片範例

對於您會重複使用的圖片，或當您想避免編碼開銷時，請使用 Files API。只需上傳圖片一次，之後在後續訊息中參照傳回的 file_id，而不必重新傳送 base64 資料。

client = anthropic.Anthropic()

# 上傳圖片檔案
with open("vision-example.jpg", "rb") as f:
    file_upload = client.files.upload(file=("vision-example.jpg", f, "image/jpeg"))

# 在訊息中使用已上傳的檔案
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)

print(message.content)

如需更多範例程式碼和參數詳細資訊，請參閱 Messages API 範例。

多張圖片

您可以在單一請求中包含多張圖片，Claude 會將它們一併分析。這對於比較圖片、詢問差異，或處理一系列內容（例如文件的各個頁面）非常有用。傳送多張圖片時，請為每張圖片加上簡短的文字標籤（Image 1:、Image 2: 等），以便您在提示和後續輪次中以名稱參照它們。

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

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5-5",
    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)

在多輪對話中，請以相同方式在後續的 user 輪次中新增圖片。Claude 可以存取先前輪次中的每一張圖片，因此像「這些與前兩張相似嗎？」這類後續問題，無需在新輪次的內容中再次包含先前的圖片即可運作。

圖片限制與費用

請求限制

每則訊息或每個請求的圖片數量上限為：

• 在 claude.ai 上每則訊息 20 張。
• 在 API 上，對於具有 200k token「context window」（上下文視窗）的模型，每個請求 100 張。
• 在 API 上，對於所有其他模型，每個請求 600 張。

每張圖片的最大尺寸為 8000x8000 px。

如果單一 API 請求包含超過 20 張圖片，則該請求中的每張圖片都會適用更嚴格的單張圖片尺寸限制。請求中的所有 image 區塊都會計入此門檻，包括您重新傳送的先前對話輪次中的圖片，以及巢狀於 tool_result 內容中的圖片（例如傳回給電腦使用工具的螢幕截圖）。在 Amazon Bedrock 和 Google Cloud 上，PDF 等文件區塊也會計入此門檻。超過較嚴格限制的圖片會被拒絕，並傳回 invalid_request_error，其訊息會提及「many-image requests」並說明目前以像素為單位的限制。若要在所有平台上都不超過限制，請將每張圖片調整大小，使其任一邊都不超過 2000 px，或將請求中的圖片和文件區塊數量保持在 20 個以內。

每張圖片的大小上限為：

• 直接使用 Claude API 時為 10 MB（base64 編碼）。
• 在 Amazon Bedrock 和 Google Cloud 上為 5 MB（base64 編碼）。
• 在 claude.ai 上為 10 MB。

支援的格式

Claude 支援 JPEG、PNG、GIF 和 WebP 圖片（image/jpeg、image/png、image/gif、image/webp）。不支援動畫，僅會使用第一個影格。

解析度與 token 費用

Claude 以區塊（patch）而非像素來檢視圖片。每個區塊是圖片中 28×28 像素的方塊，稱為「visual token」（視覺 token）。因此，一張圖片的費用為 ⌈width / 28⌉ × ⌈height / 28⌉ 個視覺 token。

每個模型都有最大原生圖片解析度，以長邊限制和視覺 token 限制來表示。超過任一限制的圖片會在處理前被縮小；確切規則請參閱 Claude 如何調整圖片大小和填補圖片。例外情況是您傳回給電腦使用和瀏覽器使用工具集的螢幕截圖和縮放圖片：對於超過模型限制的 tool_result 圖片，API 會以驗證錯誤拒絕，而不是將其縮小，因此請在傳回這些圖片之前，先在您的應用程式中調整其大小。若要讓任何其他過大的圖片以錯誤拒絕而非被縮小，請設定圖片區塊的 transformations 欄位。

在列出的模型上，高解析度支援會自動啟用，不需要 beta 標頭或用戶端選擇加入。

下表顯示各層級中幾種圖片尺寸的縮小後解析度和視覺 token 費用：

當圖片被縮小時，Claude 會在保持長寬比的前提下，將其縮放至符合該層級限制的最大尺寸。這會限制 token 費用的上限。如需精確規則和參考實作，請參閱 Claude 如何調整圖片大小和填補圖片。

若要估算費用，請將 token 數乘以您所使用模型的每 token 價格。例如，以 Claude Haiku 4.5 每百萬輸入 token $1 USD（標準層級）計算，1000×1000 的圖片每千張約需 $1.30 USD。以 Claude Opus 5 每百萬 $5 USD（高解析度層級）計算，同一張圖片每千張約需 $6.48 USD，而 4K 圖片每千張約需 $23.92 USD。

與標準層級模型上的同一張圖片相比，高解析度圖片最多可能使用約三倍的視覺 token。如果您不需要高解析度為電腦使用、螢幕截圖理解和密集文件所提供的額外精確度，請在傳送前降低圖片取樣以控制 token 費用。為了將延遲降到最低並簡化基於座標的工作流程，建議在上傳前先調整圖片大小。

圖片品質指引

將圖片提供給 Claude 時，請留意以下事項以獲得最佳結果：

• 圖片清晰度： 確保圖片清晰，不會過於模糊或像素化。
• 文字： 如果圖片包含重要文字，請確保文字清晰可讀且不會太小。避免僅為了放大文字而裁切掉關鍵的視覺上下文。
• 調整大小： 請考量到如果圖片過大，可能會被調整大小（請參閱解析度與 token 費用）；例如，這可能會使文字較難辨識。請考慮預先調整圖片大小、裁切圖片，或兩者兼行。若要讓過大的圖片以錯誤拒絕而非被調整大小（這對座標工作流程很重要），請在圖片區塊上標記 "oversized_image": "error"。
• 圖片壓縮： 在傳送前使用 JPEG 或 WebP（有損模式）等有損格式壓縮圖片，可以透過縮小請求大小來降低延遲。然而，這可能會產生對模型效能不利的壓縮瑕疵，尤其是在套用多次壓縮時。例如，高度的 JPEG 壓縮可能會使文字難以閱讀。請檢查實際傳送到 API 的圖片，以確認您的壓縮設定適合該任務。

座標與邊界框

關於「bounding box」（邊界框）、點和像素座標，請參閱座標與邊界框。Claude 會傳回相對於其在調整大小後所看到之圖片的絕對像素座標；該指南說明了 Claude 如何調整圖片大小和填補圖片，以及如何預先調整大小或重新縮放，使座標與您的原始圖片對齊。

限制

雖然 Claude 的圖片理解能力處於領先地位，但仍有一些需要注意的限制：

• 人物辨識： Claude 不得被用於指認圖片中的人物，並會拒絕這樣做。
• 準確性： 在解讀低品質、旋轉或小於 200 像素的極小圖片時，Claude 可能會產生幻覺或出錯。
• 空間推理： Claude 的座標和定位輸出是近似值。請遵循座標與邊界框中的指引，並在依賴輸出之前先加以驗證。
• 計數： Claude 可以提供圖片中物件的大致數量，但不一定總是精確，尤其是在有大量小型物件時。
• AI 生成的圖片： Claude 無法判斷圖片是否由 AI 生成，若被詢問可能會出錯。請勿依賴它來偵測偽造或合成的圖片。
• 不當內容： Claude 不會處理違反可接受使用政策的不當或露骨圖片。
• 醫療保健應用： 雖然 Claude 可以分析一般醫學圖片，但它並非設計用於解讀 CT 或 MRI 等複雜的診斷掃描。Claude 的輸出不應被視為專業醫療建議或診斷的替代品。

請務必仔細審查和驗證 Claude 對圖片的解讀，尤其是在高風險的使用情境中。在沒有人工監督的情況下，請勿將 Claude 用於需要完美精確度或敏感圖片分析的任務。

常見問題

後續步驟