視覺 - Anthropic

本指南描述如何在 Claude 中使用圖像，包括最佳實踐、程式碼範例和需要注意的限制。

如何使用視覺功能

透過以下方式使用 Claude 的視覺功能：

claude.ai。像上傳檔案一樣上傳圖像，或直接將圖像拖放到聊天視窗中。
Console Workbench。如果您選擇接受圖像的模型（僅限 Claude 3 和 4 模型），每個使用者訊息區塊的右上角會出現新增圖像的按鈕。
API 請求。請參閱本指南中的範例。

上傳前須知

基本資訊和限制

您可以在單一請求中包含多張圖像（claude.ai 最多 20 張，API 請求最多 100 張）。Claude 在制定回應時會分析所有提供的圖像。這對於比較或對比圖像很有幫助。

如果您提交大於 8000x8000 像素的圖像，它將被拒絕。如果您在一個 API 請求中提交超過 20 張圖像，此限制為 2000x2000 像素。

雖然 API 支援每個請求 100 張圖像，但標準端點有 32MB 請求大小限制。

評估圖像大小

為了獲得最佳效能，如果圖像太大，我們建議在上傳前調整圖像大小。如果您的圖像長邊超過 1568 像素，或您的圖像超過約 1,600 個標記，它將首先被縮小，保持長寬比，直到在大小限制內。

如果您的輸入圖像太大需要調整大小，它會增加首個標記時間的延遲，而不會給您任何額外的模型效能。任何邊緣小於 200 像素的非常小的圖像可能會降低效能。

為了改善首個標記時間，我們建議將圖像調整為不超過 1.15 百萬像素（並且兩個維度都在 1568 像素內）。

以下是我們 API 接受的最大圖像大小表格，這些圖像不會被調整大小，適用於常見的長寬比。使用 Claude Sonnet 3.7 模型，這些圖像使用大約 1,600 個標記，每 1K 張圖像約 $4.80。

長寬比	圖像大小
1:1	1092x1092 px
3:4	951x1268 px
2:3	896x1344 px
9:16	819x1456 px
1:2	784x1568 px

計算圖像成本

您在請求 Claude 時包含的每張圖像都會計入您的標記使用量。要計算大概成本，請將大概的圖像標記數乘以您使用的模型的每標記價格。

如果您的圖像不需要調整大小，您可以透過此演算法估算使用的標記數：標記 = (寬度像素 * 高度像素)/750

以下是基於 Claude Sonnet 3.7 每標記價格每百萬輸入標記 $3 的不同圖像大小在我們 API 大小限制內的大概標記化和成本範例：

圖像大小	標記數	每張圖像成本	每 1K 張圖像成本
200x200 px(0.04 百萬像素)	~54	~$0.00016	~$0.16
1000x1000 px(1 百萬像素)	~1334	~$0.004	~$4.00
1092x1092 px(1.19 百萬像素)	~1590	~$0.0048	~$4.80

確保圖像品質

向 Claude 提供圖像時，請記住以下幾點以獲得最佳結果：

圖像格式：使用支援的圖像格式：JPEG、PNG、GIF 或 WebP。
圖像清晰度：確保圖像清晰，不要太模糊或像素化。
文字：如果圖像包含重要文字，請確保它清晰可讀且不要太小。避免裁剪掉關鍵的視覺上下文只是為了放大文字。

提示範例

許多適用於基於文字與 Claude 互動的提示技巧也可以應用於基於圖像的提示。

這些範例展示了涉及圖像的最佳實踐提示結構。

就像文件查詢放置一樣，Claude 在圖像位於文字之前時效果最佳。放置在文字之後或與文字交錯的圖像仍然會表現良好，但如果您的使用案例允許，我們建議採用圖像然後文字的結構。

關於提示範例

以下範例展示如何使用各種程式語言和方法使用 Claude 的視覺功能。您可以透過三種方式向 Claude 提供圖像：

在 image 內容區塊中作為 base64 編碼的圖像
作為線上託管圖像的 URL 參考
使用 Files API（上傳一次，多次使用）

base64 範例提示使用這些變數：

    # 對於基於 URL 的圖像，您可以在 JSON 請求中直接使用 URL
    
    # 對於 base64 編碼的圖像，您需要先編碼圖像
    # 在 bash 中如何將圖像編碼為 base64 的範例：
    BASE64_IMAGE_DATA=$(curl -s "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg" | base64)
    
    # 編碼的資料現在可以在您的 API 呼叫中使用

以下是如何使用 base64 編碼圖像和 URL 參考在 Messages API 請求中包含圖像的範例：

Base64 編碼圖像範例

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image",
            "source": {
              "type": "base64",
              "media_type": "image/jpeg",
              "data": "'"$BASE64_IMAGE_DATA"'"
            }
          },
          {
            "type": "text",
            "text": "Describe this image."
          }
        ]
      }
    ]
  }'

基於 URL 的圖像範例

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image",
            "source": {
              "type": "url",
              "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg"
            }
          },
          {
            "type": "text",
            "text": "Describe this image."
          }
        ]
      }
    ]
  }'

Files API 圖像範例

對於您將重複使用的圖像或當您想避免編碼開銷時，請使用 Files API：

# 首先，將您的圖像上傳到 Files API
curl -X POST https://api.anthropic.com/v1/files \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: files-api-2025-04-14" \
  -F "file=@image.jpg"

# 然後在您的訊息中使用返回的 file_id
curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: files-api-2025-04-14" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image",
            "source": {
              "type": "file",
              "file_id": "file_abc123"
            }
          },
          {
            "type": "text",
            "text": "Describe this image."
          }
        ]
      }
    ]
  }'

請參閱 Messages API 範例以獲取更多範例程式碼和參數詳細資訊。

範例：一張圖像

最好將圖像放在提示中關於它們的問題或使用它們的任務指令之前。

要求 Claude 描述一張圖像。

角色	內容
使用者	[圖像] 描述這張圖像。

以下是使用 Claude Sonnet 3.7 模型的相應 API 呼叫。

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "Describe this image."
                }
            ],
        }
    ],
)

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "Describe this image."
                }
            ],
        }
    ],
)

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg",
                    },
                },
                {
                    "type": "text",
                    "text": "Describe this image."
                }
            ],
        }
    ],
)

範例：多張圖像

在有多張圖像的情況下，用 圖像 1： 和 圖像 2： 等介紹每張圖像。您不需要在圖像之間或圖像與提示之間換行。

要求 Claude 描述多張圖像之間的差異。

角色	內容
使用者	圖像 1：[圖像 1] 圖像 2：[圖像 2] 這些圖像有什麼不同？

以下是使用 Claude Sonnet 3.7 模型的相應 API 呼叫。

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Image 1:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "Image 2:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image2_media_type,
                        "data": image2_data,
                    },
                },
                {
                    "type": "text",
                    "text": "How are these images different?"
                }
            ],
        }
    ],
)

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Image 1:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "Image 2:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image2_media_type,
                        "data": image2_data,
                    },
                },
                {
                    "type": "text",
                    "text": "How are these images different?"
                }
            ],
        }
    ],
)

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Image 1:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg",
                    },
                },
                {
                    "type": "text",
                    "text": "Image 2:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/b/b5/Iridescent.green.sweat.bee1.jpg",
                    },
                },
                {
                    "type": "text",
                    "text": "How are these images different?"
                }
            ],
        }
    ],
)

範例：多張圖像與系統提示

要求 Claude 描述多張圖像之間的差異，同時給它一個關於如何回應的系統提示。

內容
系統	只用西班牙語回應。
使用者	圖像 1：[圖像 1] 圖像 2：[圖像 2] 這些圖像有什麼不同？

以下是使用 Claude Sonnet 3.7 模型的相應 API 呼叫。

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="Respond only in Spanish.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Image 1:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "Image 2:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image2_media_type,
                        "data": image2_data,
                    },
                },
                {
                    "type": "text",
                    "text": "How are these images different?"
                }
            ],
        }
    ],
)

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="Respond only in Spanish.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Image 1:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "Image 2:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image2_media_type,
                        "data": image2_data,
                    },
                },
                {
                    "type": "text",
                    "text": "How are these images different?"
                }
            ],
        }
    ],
)

Python
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="Respond only in Spanish.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Image 1:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg",
                    },
                },
                {
                    "type": "text",
                    "text": "Image 2:"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/b/b5/Iridescent.green.sweat.bee1.jpg",
                    },
                },
                {
                    "type": "text",
                    "text": "How are these images different?"
                }
            ],
        }
    ],
)

範例：兩個對話回合中的四張圖像

Claude 的視覺功能在混合圖像和文字的多模態對話中表現出色。您可以與 Claude 進行延伸的來回交流，在任何時候添加新圖像或後續問題。這為迭代圖像分析、比較或將視覺與其他知識結合提供了強大的工作流程。

要求 Claude 對比兩張圖像，然後提出後續問題，將第一批圖像與兩張新圖像進行比較。

角色	內容
使用者	圖像 1：[圖像 1] 圖像 2：[圖像 2] 這些圖像有什麼不同？
助理	[Claude 的回應]
使用者	圖像 1：[圖像 3] 圖像 2：[圖像 4] 這些圖像與前兩張相似嗎？
助理	[Claude 的回應]

使用 API 時，只需將新圖像插入到 user 角色的 Messages 陣列中，作為任何標準多回合對話結構的一部分。

限制

雖然 Claude 的圖像理解功能是最先進的，但有一些需要注意的限制：

人物識別：Claude 不能用於識別（即命名）圖像中的人物，並且會拒絕這樣做。
準確性：Claude 在解釋低品質、旋轉或小於 200 像素的非常小圖像時可能會產生幻覺或犯錯。
空間推理：Claude 的空間推理能力有限。它可能在需要精確定位或佈局的任務上有困難，如讀取類比時鐘面或描述棋子的確切位置。
計數：Claude 可以給出圖像中物體的大概數量，但可能不總是精確準確，特別是對於大量小物體。
AI 生成圖像：Claude 不知道圖像是否為 AI 生成的，如果被問及可能會不正確。不要依賴它來檢測假的或合成的圖像。
不當內容：Claude 不會處理違反我們可接受使用政策的不當或明確圖像。
醫療應用：雖然 Claude 可以分析一般醫學圖像，但它不是為解釋複雜的診斷掃描（如 CT 或 MRI）而設計的。Claude 的輸出不應被視為專業醫療建議或診斷的替代品。

始終仔細審查和驗證 Claude 的圖像解釋，特別是對於高風險使用案例。不要在沒有人工監督的情況下將 Claude 用於需要完美精度或敏感圖像分析的任務。

常見問題

Claude 支援哪些圖像檔案類型？

Claude 可以讀取圖像 URL 嗎？

是的，Claude 現在可以透過我們 API 中的 URL 圖像來源區塊處理來自 URL 的圖像。只需在您的 API 請求中使用 “url” 來源類型而不是 “base64”。範例：

{
  "type": "image",
  "source": {
    "type": "url",
    "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg"
  }
}

我可以上傳的圖像檔案大小有限制嗎？

我可以在一個請求中包含多少張圖像？

Claude 會讀取圖像元資料嗎？

我可以刪除已上傳的圖像嗎？

在哪裡可以找到圖像上傳的資料隱私詳細資訊？

如果 Claude 的圖像解釋似乎有誤怎麼辦？

Claude 可以生成或編輯圖像嗎？

深入了解視覺功能

準備開始使用 Claude 建構圖像應用了嗎？以下是一些有用的資源：

多模態食譜：這個食譜有關於圖像入門和最佳實踐技術的提示，以確保圖像的最高品質效能。了解如何有效地使用圖像提示 Claude 來執行任務，例如解釋和分析圖表或從表單中提取內容。
API 參考：訪問我們的 Messages API 文件，包括涉及圖像的 API 呼叫範例。

如果您有任何其他問題，請隨時聯繫我們的支援團隊。您也可以加入我們的開發者社群，與其他創作者聯繫並從 Anthropic 專家那裡獲得幫助。

嵌入向量 PDF 支援

On this page

如何使用視覺功能
上傳前須知
基本資訊和限制
評估圖像大小
計算圖像成本
確保圖像品質
提示範例
關於提示範例
Base64 編碼圖像範例
基於 URL 的圖像範例
Files API 圖像範例
限制
常見問題
深入了解視覺功能

第一步

模型與定價

了解 Claude

功能

工具

模型上下文協議 (MCP)

使用案例

提示工程

測試與評估

加強防護措施

法律中心

視覺

如何使用視覺功能

上傳前須知

基本資訊和限制

評估圖像大小

計算圖像成本

確保圖像品質

提示範例

關於提示範例

Base64 編碼圖像範例

基於 URL 的圖像範例

Files API 圖像範例

限制

常見問題

深入了解視覺功能

第一步

模型與定價

了解 Claude

功能

工具

模型上下文協議 (MCP)

使用案例

提示工程

測試與評估

加強防護措施

法律中心

​如何使用視覺功能

​上傳前須知

​基本資訊和限制

​評估圖像大小

​計算圖像成本

​確保圖像品質

​提示範例

​關於提示範例

​Base64 編碼圖像範例

​基於 URL 的圖像範例

​Files API 圖像範例

​限制

​常見問題

​深入了解視覺功能

如何使用視覺功能

上傳前須知

基本資訊和限制

評估圖像大小

計算圖像成本

確保圖像品質

提示範例

關於提示範例

Base64 編碼圖像範例

基於 URL 的圖像範例

Files API 圖像範例

限制

常見問題

深入了解視覺功能