多模態輸入
OneMux 支援圖片理解、PDF 文件解析和多模態內容分析。適用於 GPT-6.1、Claude Opus 5.5、Gemini 4 Argon 等視覺模型。本頁介紹如何上傳圖片、解析文件內容,以及支援的檔案格式和大小限制。
支援的模型
支援多模態輸入的模型:
- GPT-6.1 Sol、GPT-6.1 Luna
- Claude Opus 5.5、Claude Sonnet 5.5
- Gemini 4 Argon、Gemini 2.0 Flash
圖片理解
透過 URL 或 Base64 傳遞圖片:
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": "這張圖片是什麼?"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/image.jpg"}
}
]
}
]
)
print(response.choices[0].message.content)PDF 文件解析
部分模型支援直接解析 PDF 文件:
response = client.chat.completions.create(
model="claude-opus-5-5",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "總結這份 PDF 文件的關鍵資訊"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/document.pdf"}
}
]
}
]
)支援的格式和限制
| 類型 | 支援格式 | 大小限制 |
|---|---|---|
| 圖片 | PNG、JPG、JPEG、WEBP、GIF | 最大 20MB |
| 文件 | 最大 20MB | |
| Base64 | 所有圖片格式 | 編碼後最大 20MB |