OneMux/文件中心/多模態輸入

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PDF最大 20MB
Base64所有圖片格式編碼後最大 20MB