OneMux/文档中心/多模态输入

多模态输入

OneMux 支持图片理解、PDF 文档解析和多模态内容分析。适用于 GPT-6.1、Claude Opus 5.5、Gemini 4 Argon 等视觉模型。本页介绍如何上传图片、解析文档内容以及支持的文件格式和大小限制。

支持的模型

支持多模态输入的模型：

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

图片理解

通过 URL 或 Base64 传递图片：

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": "这张图片是什么？"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/image.jpg"}
                }
            ]
        }
    ]
)

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

PDF 文档解析

部分模型支持直接解析 PDF 文档：

response = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "总结这份 PDF 文档的关键信息"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/document.pdf"}
                }
            ]
        }
    ]
)

支持的格式和限制

类型支持格式大小限制
图片PNG、JPG、JPEG、WEBP、GIF最大 20MB
文档PDF最大 20MB
Base64所有图片格式编码后最大 20MB