Python 识图：在线图、本地图、Claude 视觉

三种传图方式，一套接口。 在线 URL 最省事，本地图转 base64，Claude 也能直接看图。
整理日期：2026-10-18 ｜相关：Python 快速开始 · 按任务选模型

一、先选能看图的模型

不是所有模型都支持视觉输入。常用三个：

模型 ID	特点
`gpt-6-astra`	通用，识图与对话兼顾
`gemini-3.8-flash`	识图准、便宜，截图 / 表格识别强
`claude-sonnet-5-5`	中文理解好，长图 / 文档截图表现稳

用纯文本模型（如 deepseek-v4-pro）传图会直接报错。

二、方式一：在线图片 URL（最简）

要点：content 从字符串变成一个数组，里面 mixed 放 text 和 image_url 两种元素。

图片 URL 必须是公网可访问的。内网地址、需要登录的地址，模型拉不到。

三、方式二：本地图片（base64）

本地文件要先编码：

两个易错点：

易错点	说明
忘了 `data:image/png;base64,` 前缀	只传裸 base64 会报格式错误
MIME 类型写错	PNG 用 `image/png`，JPEG 用 `image/jpeg`，WebP 用 `image/webp`

四、方式三：用 Claude 看

Claude 也可以走 OpenAI 兼容协议，写法和上面完全一样，只是换模型 ID：

如果你更想用 Anthropic 原生协议（/v1/messages），也可以——base URL 就不带 /v1。但用 OpenAI 兼容更省事，代码不用改。

五、图片放大了怎么办

模型对图片有尺寸上限。太大或太小时的处理：

经验值：

场景	建议
普通照片	长边压到 1024–1568 即可，太大不提升准确率只增加费用
文档 / 截图	保持清晰度更重要，别过度压缩，否则小字识别错
超长截图	切成几段分别传，比整张压缩效果好

六、常见报错

现象	原因	解决
`invalid_image_format`	缺 `data:image/xxx;base64,` 前缀	补上前缀
模型不支持图片	用了纯文本模型	换 `gpt-6-astra` / `gemini-3.8-flash`
图片太大	超出尺寸上限	按第五节压缩
拉不到远程图	URL 不公开 / 有防盗链	换成可公网访问的地址，或转 base64
识图结果很模糊	压缩过头	提高分辨率重试
`401` / `404`	密钥 / base_url 问题	见配置报错对照表

七、计费提示

图片会按图片 token 计入输入，一张普通图片通常相当于几百到上千个 token。批量处理前先用一两张试，估算成本。

做法	效果
压缩到长边 1024	成本明显下降，准确率几乎不变
用 `gemini-3.8-flash` 做批量	比旗舰模型便宜很多
只传必要区域	截图裁掉无关部分

实际单价以价格页为准。

八、相关阅读

基础对话与流式：Python 快速开始

语音：Python 语音

生成图片：Python 生成图片

模型选型：按任务选模型

九、更新记录

日期	改了什么
2026-10-18	由原「Python 使用 gpt-4o 识别图片」「本地图片」「Claude 识别图片」三篇合并；模型 ID 更新，补 base64 前缀与图片压缩两块

Python 识图：在线图、本地图、Claude 视觉

一、先选能看图的模型#

二、方式一：在线图片 URL（最简）#

三、方式二：本地图片（base64）#

四、方式三：用 Claude 看#

五、图片放大了怎么办#

六、常见报错#

七、计费提示#

八、相关阅读#

九、更新记录#