多模态对话总览

这个能力能做什么

适用于图片理解、中文描述、提示词反推、图像内容结构化提取等场景。

请求入口

text

POST /v1/chat/completions

内容结构

messages[].content 支持多模态数组：

{"type":"text","text":"..."}
{"type":"image_url","image_url":{"url":"data:image/...;base64,..."}}

输入限制

当前页面说明里，多图输入上限为 3 张
可以使用 base64，也可以在兼容实现中使用公网 URL

相关页面