Vision
Keluarga model Claude 3 dan 4 hadir dengan kemampuan vision baru yang memungkinkan Claude memahami dan menganalisis gambar, membuka kemungkinan menarik untuk interaksi multimodal.
Panduan ini menjelaskan cara bekerja dengan gambar di Claude, termasuk praktik terbaik, contoh kode, dan keterbatasan yang perlu diingat.
Cara menggunakan vision
Gunakan kemampuan vision Claude melalui:
- claude.ai. Unggah gambar seperti Anda mengunggah file, atau seret dan lepas gambar langsung ke jendela chat.
- Console Workbench. Jika Anda memilih model yang menerima gambar (hanya model Claude 3 dan 4), tombol untuk menambahkan gambar muncul di kanan atas setiap blok pesan User.
- Permintaan API. Lihat contoh dalam panduan ini.
Sebelum Anda mengunggah
Dasar dan Batasan
Anda dapat menyertakan beberapa gambar dalam satu permintaan (hingga 20 untuk claude.ai dan 100 untuk permintaan API). Claude akan menganalisis semua gambar yang disediakan saat merumuskan responsnya. Ini dapat membantu untuk membandingkan atau mengontraskan gambar.
Jika Anda mengirimkan gambar yang lebih besar dari 8000x8000 px, gambar akan ditolak. Jika Anda mengirimkan lebih dari 20 gambar dalam satu permintaan API, batas ini adalah 2000x2000 px.
Meskipun API mendukung 100 gambar per permintaan, ada batas ukuran permintaan 32MB untuk endpoint standar.
Evaluasi ukuran gambar
Untuk performa optimal, kami merekomendasikan mengubah ukuran gambar sebelum mengunggah jika terlalu besar. Jika sisi panjang gambar Anda lebih dari 1568 piksel, atau gambar Anda lebih dari ~1,600 token, gambar akan diperkecil terlebih dahulu, mempertahankan rasio aspek, hingga berada dalam batas ukuran.
Jika gambar input Anda terlalu besar dan perlu diubah ukurannya, ini akan meningkatkan latensi time-to-first-token, tanpa memberikan performa model tambahan. Gambar yang sangat kecil di bawah 200 piksel pada sisi mana pun dapat menurunkan performa.
Untuk meningkatkan time-to-first-token, kami merekomendasikan mengubah ukuran gambar tidak lebih dari 1,15 megapiksel (dan dalam 1568 piksel di kedua dimensi).
Berikut adalah tabel ukuran gambar maksimum yang diterima oleh API kami yang tidak akan diubah ukurannya untuk rasio aspek umum. Dengan model Claude Sonnet 3.7, gambar-gambar ini menggunakan sekitar 1,600 token dan sekitar $4,80/1K gambar.
Rasio aspek | Ukuran gambar |
---|---|
1:1 | 1092x1092 px |
3:4 | 951x1268 px |
2:3 | 896x1344 px |
9:16 | 819x1456 px |
1:2 | 784x1568 px |
Hitung biaya gambar
Setiap gambar yang Anda sertakan dalam permintaan ke Claude dihitung dalam penggunaan token Anda. Untuk menghitung perkiraan biaya, kalikan perkiraan jumlah token gambar dengan harga per-token model yang Anda gunakan.
Jika gambar Anda tidak perlu diubah ukurannya, Anda dapat memperkirakan jumlah token yang digunakan melalui algoritma ini: tokens = (width px * height px)/750
Berikut adalah contoh perkiraan tokenisasi dan biaya untuk ukuran gambar yang berbeda dalam batasan ukuran API kami berdasarkan harga per-token Claude Sonnet 3.7 sebesar $3 per juta token input:
Ukuran gambar | # Token | Biaya / gambar | Biaya / 1K gambar |
---|---|---|---|
200x200 px(0,04 megapiksel) | ~54 | ~$0,00016 | ~$0,16 |
1000x1000 px(1 megapiksel) | ~1334 | ~$0,004 | ~$4,00 |
1092x1092 px(1,19 megapiksel) | ~1590 | ~$0,0048 | ~$4,80 |
Memastikan kualitas gambar
Saat memberikan gambar ke Claude, ingatlah hal-hal berikut untuk hasil terbaik:
- Format gambar: Gunakan format gambar yang didukung: JPEG, PNG, GIF, atau WebP.
- Kejelasan gambar: Pastikan gambar jelas dan tidak terlalu buram atau berpiksel.
- Teks: Jika gambar berisi teks penting, pastikan teks dapat dibaca dan tidak terlalu kecil. Hindari memotong konteks visual kunci hanya untuk memperbesar teks.
Contoh prompt
Banyak teknik prompting yang bekerja dengan baik untuk interaksi berbasis teks dengan Claude juga dapat diterapkan pada prompt berbasis gambar.
Contoh-contoh ini menunjukkan struktur prompt praktik terbaik yang melibatkan gambar.
Sama seperti dengan penempatan document-query, Claude bekerja paling baik ketika gambar datang sebelum teks. Gambar yang ditempatkan setelah teks atau diinterpolasi dengan teks masih akan berkinerja baik, tetapi jika kasus penggunaan Anda memungkinkan, kami merekomendasikan struktur gambar-kemudian-teks.
Tentang contoh prompt
Contoh-contoh berikut menunjukkan cara menggunakan kemampuan vision Claude menggunakan berbagai bahasa pemrograman dan pendekatan. Anda dapat memberikan gambar ke Claude dengan tiga cara:
- Sebagai gambar yang dikodekan base64 dalam blok konten
image
- Sebagai referensi URL ke gambar yang dihosting online
- Menggunakan Files API (unggah sekali, gunakan berkali-kali)
Contoh prompt base64 menggunakan variabel-variabel ini:
Di bawah ini adalah contoh cara menyertakan gambar dalam permintaan Messages API menggunakan gambar yang dikodekan base64 dan referensi URL:
Contoh gambar yang dikodekan base64
Contoh gambar berbasis URL
Contoh gambar Files API
Untuk gambar yang akan Anda gunakan berulang kali atau ketika Anda ingin menghindari overhead encoding, gunakan Files API:
Lihat contoh Messages API untuk lebih banyak contoh kode dan detail parameter.
Keterbatasan
Meskipun kemampuan pemahaman gambar Claude canggih, ada beberapa keterbatasan yang perlu diketahui:
- Identifikasi orang: Claude tidak dapat digunakan untuk mengidentifikasi (yaitu, menyebutkan nama) orang dalam gambar dan akan menolak melakukannya.
- Akurasi: Claude mungkin berhalusinasi atau membuat kesalahan saat menginterpretasikan gambar berkualitas rendah, diputar, atau sangat kecil di bawah 200 piksel.
- Penalaran spasial: Kemampuan penalaran spasial Claude terbatas. Claude mungkin kesulitan dengan tugas yang memerlukan lokalisasi atau tata letak yang tepat, seperti membaca muka jam analog atau mendeskripsikan posisi tepat bidak catur.
- Penghitungan: Claude dapat memberikan perkiraan jumlah objek dalam gambar tetapi mungkin tidak selalu tepat secara presisi, terutama dengan sejumlah besar objek kecil.
- Gambar yang dihasilkan AI: Claude tidak tahu apakah gambar dihasilkan AI dan mungkin salah jika ditanya. Jangan mengandalkannya untuk mendeteksi gambar palsu atau sintetis.
- Konten tidak pantas: Claude tidak akan memproses gambar tidak pantas atau eksplisit yang melanggar Kebijakan Penggunaan yang Dapat Diterima kami.
- Aplikasi kesehatan: Meskipun Claude dapat menganalisis gambar medis umum, Claude tidak dirancang untuk menginterpretasikan pemindaian diagnostik kompleks seperti CT atau MRI. Output Claude tidak boleh dianggap sebagai pengganti saran atau diagnosis medis profesional.
Selalu tinjau dan verifikasi interpretasi gambar Claude dengan hati-hati, terutama untuk kasus penggunaan berisiko tinggi. Jangan gunakan Claude untuk tugas yang memerlukan presisi sempurna atau analisis gambar sensitif tanpa pengawasan manusia.
FAQ
Mendalami vision
Siap mulai membangun dengan gambar menggunakan Claude? Berikut beberapa sumber daya yang membantu:
- Multimodal cookbook: Cookbook ini memiliki tips tentang memulai dengan gambar dan teknik praktik terbaik untuk memastikan performa berkualitas tertinggi dengan gambar. Lihat bagaimana Anda dapat secara efektif mem-prompt Claude dengan gambar untuk melakukan tugas seperti menginterpretasikan dan menganalisis grafik atau mengekstrak konten dari formulir.
- Referensi API: Kunjungi dokumentasi kami untuk Messages API, termasuk contoh panggilan API yang melibatkan gambar.
Jika Anda memiliki pertanyaan lain, jangan ragu untuk menghubungi tim dukungan kami. Anda juga dapat bergabung dengan komunitas developer kami untuk terhubung dengan kreator lain dan mendapatkan bantuan dari ahli Anthropic.