所在组：进阶（桥接）｜ 上一组出口：能用发布门与版本化纪律长期运行｜ 本页出口：知道该主题影响哪个工程决策、何时去 Learn LLM

Claude Vision 能力

原文: Vision - Claude API数字时效声明：本页的请求限制、token 折算与成本数字来自上述官方文档的整理快照，厂商随时可能调整——实施前以官方文档实时值为准。

图片使用方法

三种图片来源

Base64 编码图片：直接嵌入请求
URL 引用：引用在线图片
Files API：上传一次，多轮引用 file_id

多轮对话每轮都发送完整历史；用 base64 则每轮重复携带图片数据，用 file_id 保持请求体积小——重复引用场景优先 Files API。

请求限制与 token 计算

平台	每请求图片数	单图大小限制
Claude.ai	20 张	10 MB
API	600 张（200K context 模型为 100 张）	5 MB

尺寸调整：长边超过 1568px 或超过约 1600 tokens 时自动缩小。Token 估算：tokens ≈ (width px × height px) / 750。

最佳尺寸参考（不需调整）：1:1 → 1092×1092；3:4 → 951×1268；2:3 → 896×1344；9:16 → 819×1456；1:2 → 784×1568。

支持格式：image/jpeg、image/png、image/gif、image/webp。

API 示例

python

message = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {
                    "type": "base64",        # 或 "url" / Files API 的 "file"
                    "media_type": "image/jpeg",
                    "data": base64_image_data
                }
            },
            {"type": "text", "text": "描述这张图片"}
        ]
    }]
)

提示词技巧

图片位置：与长文档同理，图片放在提示词前面效果更好——[Image] + "描述这张图片" 优于 "描述这张图片" + [Image]。

多图提示：引入多张图片时用 Image 1:、Image 2: 标签：Image 1: [图1] Image 2: [图2] 这两张图片有什么不同？

图片质量：避免过度模糊或像素化；内含重要文字时确保清晰可读；不要为放大文字而裁掉关键视觉上下文。

已知限制

限制类型	说明
人物识别	不可用于识别图片中的人物（违反 AUP）
精确度	低质量、旋转、200px 以下小图可能出错
空间推理	难以精确描述位置关系
计数	只能给近似数量，大数量不精确
AI 生成图片	无法判断图片是否由 AI 生成
医疗影像	不适合解读 CT、MRI 等复杂诊断扫描

核心要点

多图分析用 Image 1: 标签引入；图片放指令之前
重复引用用 Files API，避免 base64 重传开销
大图按尺寸折算 token，是真实的成本项（成本随厂商定价变化，以官方计算器为准）
高风险场景（识别、计数、位置判断）必须人工复核
模型侧机制（图像如何变 token、跨模态对齐）见 Learn LLM 多模态章节

Claude Vision 能力 ​

图片使用方法 ​

三种图片来源 ​

请求限制与 token 计算 ​

API 示例 ​

提示词技巧 ​

已知限制 ​

核心要点 ​