OneMux/ドキュメント/マルチモーダル入力

マルチモーダル入力

OneMux は画像理解、PDF ドキュメント解析、マルチモーダルコンテンツ分析に対応しています。GPT-6.1、Claude Opus 5.5、Gemini 4 Argon などの視覚モデルに利用できます。本ページでは、画像のアップロード方法、ドキュメント内容の解析方法、対応ファイル形式とサイズ制限について説明します。

対応モデル

マルチモーダル入力に対応しているモデル：

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

画像理解

URL または Base64 を使用して画像を渡します：

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": "この画像は何ですか？"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/image.jpg"}
                }
            ]
        }
    ]
)

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

PDF ドキュメント解析

一部のモデルでは PDF ドキュメントを直接解析できます：

response = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "この PDF ドキュメントの重要な情報を要約してください"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/document.pdf"}
                }
            ]
        }
    ]
)

対応形式と制限

種類対応形式サイズ制限
画像PNG、JPG、JPEG、WEBP、GIF最大 20MB
ドキュメントPDF最大 20MB
Base64すべての画像形式エンコード後最大 20MB