Visão
As famílias de modelos Claude 3 e 4 vêm com novas capacidades de visão que permitem ao Claude entender e analisar imagens, abrindo possibilidades empolgantes para interação multimodal.
Este guia descreve como trabalhar com imagens no Claude, incluindo melhores práticas, exemplos de código e limitações a serem consideradas.
Como usar a visão
Use as capacidades de visão do Claude através de:
- claude.ai. Carregue uma imagem como faria com um arquivo, ou arraste e solte uma imagem diretamente na janela de chat.
- O Console Workbench. Se você selecionar um modelo que aceita imagens (apenas modelos Claude 3 e 4), um botão para adicionar imagens aparece no canto superior direito de cada bloco de mensagem do Usuário.
- Solicitação de API. Veja os exemplos neste guia.
Antes de carregar
Básico e Limites
Você pode incluir múltiplas imagens em uma única solicitação (até 20 para claude.ai e 100 para solicitações de API). Claude analisará todas as imagens fornecidas ao formular sua resposta. Isso pode ser útil para comparar ou contrastar imagens.
Se você enviar uma imagem maior que 8000x8000 px, ela será rejeitada. Se você enviar mais de 20 imagens em uma solicitação de API, este limite é de 2000x2000 px.
Avaliar tamanho da imagem
Para desempenho ideal, recomendamos redimensionar imagens antes de carregá-las se forem muito grandes. Se a borda longa da sua imagem for maior que 1568 pixels, ou sua imagem for maior que ~1.600 tokens, ela será primeiro redimensionada, preservando a proporção, até estar dentro dos limites de tamanho.
Se sua imagem de entrada for muito grande e precisar ser redimensionada, isso aumentará a latência do tempo-até-primeiro-token, sem lhe dar qualquer desempenho adicional do modelo. Imagens muito pequenas com menos de 200 pixels em qualquer borda podem degradar o desempenho.
Para melhorar o tempo-até-primeiro-token, recomendamos redimensionar imagens para não mais que 1,15 megapixels (e dentro de 1568 pixels em ambas as dimensões).
Aqui está uma tabela de tamanhos máximos de imagem aceitos por nossa API que não serão redimensionados para proporções comuns. Com o modelo Claude Sonnet 3.7, essas imagens usam aproximadamente 1.600 tokens e cerca de $4,80/1K imagens.
Proporção | Tamanho da imagem |
---|---|
1:1 | 1092x1092 px |
3:4 | 951x1268 px |
2:3 | 896x1344 px |
9:16 | 819x1456 px |
1:2 | 784x1568 px |
Calcular custos de imagem
Cada imagem que você incluir em uma solicitação ao Claude conta para seu uso de tokens. Para calcular o custo aproximado, multiplique o número aproximado de tokens de imagem pelo preço por token do modelo que você está usando.
Se sua imagem não precisar ser redimensionada, você pode estimar o número de tokens usados através deste algoritmo: tokens = (largura px * altura px)/750
Aqui estão exemplos de tokenização aproximada e custos para diferentes tamanhos de imagem dentro das restrições de tamanho da nossa API baseados no preço por token do Claude Sonnet 3.7 de $3 por milhão de tokens de entrada:
Tamanho da imagem | Nº de Tokens | Custo / imagem | Custo / 1K imagens |
---|---|---|---|
200x200 px(0,04 megapixels) | ~54 | ~$0,00016 | ~$0,16 |
1000x1000 px(1 megapixel) | ~1334 | ~$0,004 | ~$4,00 |
1092x1092 px(1,19 megapixels) | ~1590 | ~$0,0048 | ~$4,80 |
Garantindo qualidade da imagem
Ao fornecer imagens ao Claude, mantenha o seguinte em mente para melhores resultados:
- Formato da imagem: Use um formato de imagem suportado: JPEG, PNG, GIF ou WebP.
- Clareza da imagem: Certifique-se de que as imagens estejam claras e não muito borradas ou pixelizadas.
- Texto: Se a imagem contém texto importante, certifique-se de que seja legível e não muito pequeno. Evite cortar contexto visual importante apenas para ampliar o texto.
Exemplos de prompt
Muitas das técnicas de prompting que funcionam bem para interações baseadas em texto com Claude também podem ser aplicadas a prompts baseados em imagem.
Estes exemplos demonstram estruturas de prompt de melhores práticas envolvendo imagens.
Assim como com o posicionamento de consulta de documento, Claude funciona melhor quando as imagens vêm antes do texto. Imagens colocadas após o texto ou interpoladas com texto ainda funcionarão bem, mas se seu caso de uso permitir, recomendamos uma estrutura imagem-depois-texto.
Sobre os exemplos de prompt
Os exemplos a seguir demonstram como usar as capacidades de visão do Claude usando várias linguagens de programação e abordagens. Você pode fornecer imagens ao Claude de três maneiras:
- Como uma imagem codificada em base64 em blocos de conteúdo
image
- Como uma referência de URL para uma imagem hospedada online
- Usando a API de Arquivos (carregue uma vez, use múltiplas vezes)
Os exemplos de prompt base64 usam essas variáveis:
Abaixo estão exemplos de como incluir imagens em uma solicitação da API de Mensagens usando imagens codificadas em base64 e referências de URL:
Exemplo de imagem codificada em base64
Exemplo de imagem baseada em URL
Exemplo de imagem da API de Arquivos
Para imagens que você usará repetidamente ou quando quiser evitar sobrecarga de codificação, use a API de Arquivos:
Veja exemplos da API de Mensagens para mais código de exemplo e detalhes de parâmetros.
Limitações
Embora as capacidades de compreensão de imagem do Claude sejam de ponta, há algumas limitações a serem consideradas:
- Identificação de pessoas: Claude não pode ser usado para identificar (ou seja, nomear) pessoas em imagens e se recusará a fazê-lo.
- Precisão: Claude pode alucinar ou cometer erros ao interpretar imagens de baixa qualidade, rotacionadas ou muito pequenas com menos de 200 pixels.
- Raciocínio espacial: As habilidades de raciocínio espacial do Claude são limitadas. Ele pode ter dificuldades com tarefas que requerem localização precisa ou layouts, como ler o mostrador de um relógio analógico ou descrever posições exatas de peças de xadrez.
- Contagem: Claude pode dar contagens aproximadas de objetos em uma imagem, mas pode nem sempre ser precisamente exato, especialmente com grandes números de objetos pequenos.
- Imagens geradas por IA: Claude não sabe se uma imagem é gerada por IA e pode estar incorreto se perguntado. Não confie nele para detectar imagens falsas ou sintéticas.
- Conteúdo inapropriado: Claude não processará imagens inapropriadas ou explícitas que violem nossa Política de Uso Aceitável.
- Aplicações de saúde: Embora Claude possa analisar imagens médicas gerais, ele não é projetado para interpretar exames diagnósticos complexos como TCs ou RMs. As saídas do Claude não devem ser consideradas um substituto para aconselhamento médico profissional ou diagnóstico.
Sempre revise e verifique cuidadosamente as interpretações de imagem do Claude, especialmente para casos de uso de alto risco. Não use Claude para tarefas que requerem precisão perfeita ou análise de imagem sensível sem supervisão humana.
FAQ
Mergulhe mais fundo na visão
Pronto para começar a construir com imagens usando Claude? Aqui estão alguns recursos úteis:
- Cookbook multimodal: Este cookbook tem dicas sobre começar com imagens e técnicas de melhores práticas para garantir o desempenho de mais alta qualidade com imagens. Veja como você pode efetivamente fazer prompt ao Claude com imagens para realizar tarefas como interpretar e analisar gráficos ou extrair conteúdo de formulários.
- Referência da API: Visite nossa documentação para a API de Mensagens, incluindo exemplo de chamadas de API envolvendo imagens.
Se você tiver outras perguntas, sinta-se à vontade para entrar em contato com nossa equipe de suporte. Você também pode se juntar à nossa comunidade de desenvolvedores para se conectar com outros criadores e obter ajuda de especialistas da Anthropic.