开发接入 · 视觉输入

图片输入:URL 还是 base64

视觉模型接受两种图片来源:公网 URL 与 base64。前者省流量,后者适合本地文件,但体积控制不好就会 413。

两种写法

URL 方式json
{
  "model": "gpt-5.5",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "描述这张图"},
      {"type": "image_url", "image_url": {"url": "https://example.com/a.jpg"}}
    ]
  }]
}
base64 方式json
{
  "model": "gpt-5.5",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "描述这张图"},
      {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
    ]
  }]
}

体积与成本

  • 图片按分辨率折算 token,长边超过约 1500px 收益递减、成本上升;
  • base64 比原文件大约 33%,一张 4MB 照片会变成 5MB 以上请求体;
  • 建议发送前压到长边 1024–1568px、JPEG 质量 80。

常见报错

现象原因
400 invalid image格式不支持或 base64 头缺失
413请求体过大,压缩图片
模型返回纯文本所用模型不支持视觉输入

常见问题

图片可以用链接直接传吗?

可以,image_url 里放公网可访问的 URL;链接需要外网可达,内网地址模型端访问不到。

base64 图片最大能传多大?

受请求体总大小限制,建议单张压到 1MB 以内,一次不要超过 3–5 张。