อินพุตหลายโมดัล
OneMux รองรับการทำความเข้าใจภาพ การแยกวิเคราะห์เอกสาร PDF และการวิเคราะห์เนื้อหาหลายโมดัล ใช้ได้กับโมเดลด้านการมองเห็น เช่น GPT-6.1、Claude Opus 5.5、Gemini 4 Argon หน้านี้แนะนำวิธีอัปโหลดภาพ แยกวิเคราะห์เนื้อหาเอกสาร ตลอดจนรูปแบบไฟล์และข้อจำกัดด้านขนาดที่รองรับ
โมเดลที่รองรับ
โมเดลที่รองรับอินพุตหลายโมดัล:
- GPT-6.1 Sol、GPT-6.1 Luna
- Claude Opus 5.5、Claude Sonnet 5.5
- Gemini 4 Argon、Gemini 2.0 Flash
การทำความเข้าใจภาพ
ส่งภาพผ่าน URL หรือ 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": "ภาพนี้คืออะไร?"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/image.jpg"}
}
]
}
]
)
print(response.choices[0].message.content)การแยกวิเคราะห์เอกสาร PDF
บางโมเดลรองรับการแยกวิเคราะห์เอกสาร PDF โดยตรง:
response = client.chat.completions.create(
model="claude-opus-5-5",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "สรุปข้อมูลสำคัญในเอกสาร PDF ฉบับนี้"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/document.pdf"}
}
]
}
]
)รูปแบบและข้อจำกัดที่รองรับ
| ประเภท | รูปแบบที่รองรับ | ข้อจำกัดด้านขนาด |
|---|---|---|
| ภาพ | PNG、JPG、JPEG、WEBP、GIF | สูงสุด 20MB |
| เอกสาร | สูงสุด 20MB | |
| Base64 | รูปแบบภาพทั้งหมด | สูงสุด 20MB หลังเข้ารหัส |