OneMux/เอกสาร/อินพุตหลายโมดัล

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

ประเภทรูปแบบที่รองรับข้อจำกัดด้านขนาด
ภาพPNG、JPG、JPEG、WEBP、GIFสูงสุด 20MB
เอกสารPDFสูงสุด 20MB
Base64รูปแบบภาพทั้งหมดสูงสุด 20MB หลังเข้ารหัส