Visión
Las familias de modelos Claude 3 y 4 vienen con nuevas capacidades de visión que permiten a Claude entender y analizar imágenes, abriendo posibilidades emocionantes para la interacción multimodal.
Esta guía describe cómo trabajar con imágenes en Claude, incluyendo mejores prácticas, ejemplos de código y limitaciones a tener en cuenta.
Cómo usar la visión
Usa las capacidades de visión de Claude a través de:
- claude.ai. Sube una imagen como lo harías con un archivo, o arrastra y suelta una imagen directamente en la ventana de chat.
- El Console Workbench. Si seleccionas un modelo que acepta imágenes (solo modelos Claude 3 y 4), aparece un botón para agregar imágenes en la parte superior derecha de cada bloque de mensaje de Usuario.
- Solicitud API. Ve los ejemplos en esta guía.
Antes de subir
Conceptos básicos y límites
Puedes incluir múltiples imágenes en una sola solicitud (hasta 20 para claude.ai y 100 para solicitudes API). Claude analizará todas las imágenes proporcionadas al formular su respuesta. Esto puede ser útil para comparar o contrastar imágenes.
Si envías una imagen más grande que 8000x8000 px, será rechazada. Si envías más de 20 imágenes en una solicitud API, este límite es de 2000x2000 px.
Aunque la API soporta 100 imágenes por solicitud, hay un límite de tamaño de solicitud de 32MB para endpoints estándar.
Evaluar el tamaño de imagen
Para un rendimiento óptimo, recomendamos redimensionar las imágenes antes de subirlas si son demasiado grandes. Si el borde largo de tu imagen es más de 1568 píxeles, o tu imagen es más de ~1,600 tokens, primero será escalada hacia abajo, preservando la relación de aspecto, hasta que esté dentro de los límites de tamaño.
Si tu imagen de entrada es demasiado grande y necesita ser redimensionada, aumentará la latencia del tiempo hasta el primer token, sin darte ningún rendimiento adicional del modelo. Imágenes muy pequeñas de menos de 200 píxeles en cualquier borde dado pueden degradar el rendimiento.
Para mejorar el tiempo hasta el primer token, recomendamos redimensionar las imágenes a no más de 1.15 megapíxeles (y dentro de 1568 píxeles en ambas dimensiones).
Aquí hay una tabla de tamaños máximos de imagen aceptados por nuestra API que no serán redimensionados para relaciones de aspecto comunes. Con el modelo Claude Sonnet 3.7, estas imágenes usan aproximadamente 1,600 tokens y alrededor de $4.80/1K imágenes.
Relación de aspecto | Tamaño de imagen |
---|---|
1:1 | 1092x1092 px |
3:4 | 951x1268 px |
2:3 | 896x1344 px |
9:16 | 819x1456 px |
1:2 | 784x1568 px |
Calcular costos de imagen
Cada imagen que incluyas en una solicitud a Claude cuenta hacia tu uso de tokens. Para calcular el costo aproximado, multiplica el número aproximado de tokens de imagen por el precio por token del modelo que estés usando.
Si tu imagen no necesita ser redimensionada, puedes estimar el número de tokens usados a través de este algoritmo: tokens = (ancho px * alto px)/750
Aquí hay ejemplos de tokenización aproximada y costos para diferentes tamaños de imagen dentro de las restricciones de tamaño de nuestra API basados en el precio por token de Claude Sonnet 3.7 de $3 por millón de tokens de entrada:
Tamaño de imagen | # de Tokens | Costo / imagen | Costo / 1K imágenes |
---|---|---|---|
200x200 px(0.04 megapíxeles) | ~54 | ~$0.00016 | ~$0.16 |
1000x1000 px(1 megapíxel) | ~1334 | ~$0.004 | ~$4.00 |
1092x1092 px(1.19 megapíxeles) | ~1590 | ~$0.0048 | ~$4.80 |
Asegurar la calidad de imagen
Al proporcionar imágenes a Claude, ten en cuenta lo siguiente para mejores resultados:
- Formato de imagen: Usa un formato de imagen soportado: JPEG, PNG, GIF, o WebP.
- Claridad de imagen: Asegúrate de que las imágenes sean claras y no demasiado borrosas o pixeladas.
- Texto: Si la imagen contiene texto importante, asegúrate de que sea legible y no demasiado pequeño. Evita recortar contexto visual clave solo para agrandar el texto.
Ejemplos de prompts
Muchas de las técnicas de prompting que funcionan bien para interacciones basadas en texto con Claude también se pueden aplicar a prompts basados en imágenes.
Estos ejemplos demuestran estructuras de prompt de mejores prácticas que involucran imágenes.
Así como con la colocación de consulta de documentos, Claude funciona mejor cuando las imágenes vienen antes del texto. Las imágenes colocadas después del texto o interpoladas con texto aún funcionarán bien, pero si tu caso de uso lo permite, recomendamos una estructura imagen-luego-texto.
Acerca de los ejemplos de prompts
Los siguientes ejemplos demuestran cómo usar las capacidades de visión de Claude usando varios lenguajes de programación y enfoques. Puedes proporcionar imágenes a Claude de tres maneras:
- Como una imagen codificada en base64 en bloques de contenido
image
- Como una referencia URL a una imagen alojada en línea
- Usando la API de Archivos (sube una vez, usa múltiples veces)
Los ejemplos de prompts base64 usan estas variables:
A continuación hay ejemplos de cómo incluir imágenes en una solicitud de la API de Mensajes usando imágenes codificadas en base64 y referencias URL:
Ejemplo de imagen codificada en base64
Ejemplo de imagen basada en URL
Ejemplo de imagen de la API de Archivos
Para imágenes que usarás repetidamente o cuando quieras evitar la sobrecarga de codificación, usa la API de Archivos:
Ve ejemplos de la API de Mensajes para más código de ejemplo y detalles de parámetros.
Limitaciones
Aunque las capacidades de comprensión de imágenes de Claude son de vanguardia, hay algunas limitaciones a tener en cuenta:
- Identificación de personas: Claude no puede ser usado para identificar (es decir, nombrar) personas en imágenes y se negará a hacerlo.
- Precisión: Claude puede alucinar o cometer errores al interpretar imágenes de baja calidad, rotadas, o muy pequeñas de menos de 200 píxeles.
- Razonamiento espacial: Las habilidades de razonamiento espacial de Claude son limitadas. Puede tener dificultades con tareas que requieren localización precisa o diseños, como leer la cara de un reloj analógico o describir posiciones exactas de piezas de ajedrez.
- Conteo: Claude puede dar conteos aproximados de objetos en una imagen pero puede no ser siempre precisamente exacto, especialmente con grandes números de objetos pequeños.
- Imágenes generadas por IA: Claude no sabe si una imagen es generada por IA y puede ser incorrecto si se le pregunta. No confíes en él para detectar imágenes falsas o sintéticas.
- Contenido inapropiado: Claude no procesará imágenes inapropiadas o explícitas que violen nuestra Política de Uso Aceptable.
- Aplicaciones de salud: Aunque Claude puede analizar imágenes médicas generales, no está diseñado para interpretar escaneos diagnósticos complejos como TCs o RMs. Las salidas de Claude no deben considerarse un sustituto del consejo médico profesional o diagnóstico.
Siempre revisa y verifica cuidadosamente las interpretaciones de imágenes de Claude, especialmente para casos de uso de alto riesgo. No uses Claude para tareas que requieren precisión perfecta o análisis de imágenes sensibles sin supervisión humana.
FAQ
Profundiza en la visión
¿Listo para empezar a construir con imágenes usando Claude? Aquí hay algunos recursos útiles:
- Cookbook multimodal: Este cookbook tiene consejos sobre empezar con imágenes y técnicas de mejores prácticas para asegurar el rendimiento de más alta calidad con imágenes. Ve cómo puedes efectivamente hacer prompts a Claude con imágenes para llevar a cabo tareas como interpretar y analizar gráficos o extraer contenido de formularios.
- Referencia API: Visita nuestra documentación para la API de Mensajes, incluyendo llamadas API de ejemplo que involucran imágenes.
Si tienes cualquier otra pregunta, siéntete libre de contactar a nuestro equipo de soporte. También puedes unirte a nuestra comunidad de desarrolladores para conectar con otros creadores y obtener ayuda de expertos de Anthropic.