OneMux/Dokumentation/Multimodale Eingaben

Multimodale Eingaben

OneMux unterstützt Bildverständnis, die Analyse von PDF-Dokumenten und die Analyse multimodaler Inhalte. Geeignet für Vision-Modelle wie GPT-6.1, Claude Opus 5.5 und Gemini 4 Argon. Auf dieser Seite erfahren Sie, wie Sie Bilder hochladen und Dokumentinhalte analysieren sowie welche Dateiformate und Größenbeschränkungen unterstützt werden.

Unterstützte Modelle

Modelle mit Unterstützung für multimodale Eingaben:

  • GPT-6.1 Sol, GPT-6.1 Luna
  • Claude Opus 5.5, Claude Sonnet 5.5
  • Gemini 4 Argon, Gemini 2.0 Flash

Bildverständnis

Bilder per URL oder Base64 übergeben:

from openai import OpenAI

client = OpenAI(
    api_key="sk-xxx",
    base_url="https://api.onemux.net/v1"
)

response = client.chat.completions.create(
    model="gpt-6.1-sol",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Was ist auf diesem Bild zu sehen?"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/image.jpg"}
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

PDF-Dokumente analysieren

Einige Modelle können PDF-Dokumente direkt analysieren:

response = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Fasse die wichtigsten Informationen in diesem PDF-Dokument zusammen"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/document.pdf"}
                }
            ]
        }
    ]
)

Unterstützte Formate und Beschränkungen

TypUnterstützte FormateGrößenbeschränkung
BildPNG, JPG, JPEG, WEBP, GIFMaximal 20MB
DokumentPDFMaximal 20MB
Base64Alle BildformateMaximal 20MB nach der Codierung