Мультимодальный ввод
OneMux поддерживает распознавание изображений, разбор PDF-документов и анализ мультимодального содержимого. Подходит для визуальных моделей, таких как GPT-6.1、Claude Opus 5.5 и Gemini 4 Argon. На этой странице описано, как загружать изображения, разбирать содержимое документов, а также указаны поддерживаемые форматы файлов и ограничения по размеру.
Поддерживаемые модели
Модели с поддержкой мультимодального ввода:
- GPT-6.1 Sol、GPT-6.1 Luna
- Claude Opus 5.5、Claude Sonnet 5.5
- Gemini 4 Argon、Gemini 2.0 Flash
Распознавание изображений
Передавайте изображение по URL или в формате Base64:
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": "Что изображено на этой картинке?"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/image.jpg"}
}
]
}
]
)
print(response.choices[0].message.content)Разбор PDF-документов
Некоторые модели поддерживают прямой разбор PDF-документов:
response = client.chat.completions.create(
model="claude-opus-5-5",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "Суммируйте ключевую информацию из этого PDF-документа"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/document.pdf"}
}
]
}
]
)Поддерживаемые форматы и ограничения
| Тип | Поддерживаемые форматы | Ограничение по размеру |
|---|---|---|
| Изображения | PNG、JPG、JPEG、WEBP、GIF | Максимум 20MB |
| Документы | Максимум 20MB | |
| Base64 | Все форматы изображений | Максимум 20MB после кодирования |