> ## Documentation Index
> Fetch the complete documentation index at: https://docs.focusapi.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 图片分析模型

> FocusAPI 图片分析模型接入指南：使用 GPT、Claude、Gemini 等视觉模型读取图片、截图、票据和图表，支持 curl、OpenAI Python SDK、Claude SDK、Gemini SDK 与 LiteLLM 示例。

图片分析是“模型看图并回答问题”的能力，适合截图理解、票据识别、图表分析、产品图质检、图片问答等场景。它和 [图像生成](/models/image-generation) 不同：本页是理解已有图片，图像生成是创建新图片。

## 常用接口

多数图片分析模型仍使用文本对话接口：

```http theme={null}
POST /v1/chat/completions
```

区别在于 `messages.content` 不再只是字符串，而是文本和图片组成的数组。

## 支持的模型来源

| 来源          | 适合场景             | 说明                               |
| ----------- | ---------------- | -------------------------------- |
| GPT 视觉模型    | 通用图片问答、截图理解、图表分析 | 通常兼容 OpenAI 图文输入格式               |
| Claude 视觉模型 | 长上下文、文档截图、复杂图片描述 | 可能支持 OpenAI 兼容方式或 Anthropic 原生格式 |
| Gemini 视觉模型 | 多模态理解、图片/文件综合分析  | 特殊文件参数以模型广场说明为准                  |
| 其他视觉模型      | 垂直识别、低价批量分析      | 以模型广场能力标签为准                      |

## curl 调用

图片可通过 **HTTPS URL** 或 **base64 data URL** 传入。本地图片可先转 base64：

```bash theme={null}
# 将本地图片转为 base64（去掉换行后填入下方 JSON）
base64 -w 0 /path/to/local.png
```

```bash theme={null}
curl https://www.focusapi.cn/v1/chat/completions \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "请对比这两张图片的主要内容" },
          {
            "type": "image_url",
            "image_url": {
              "url": "data:image/png;base64,<your-base64-data>"
            }
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/image.png"
            }
          }
        ]
      }
    ]
  }'
```

## Python SDK 调用

```bash theme={null}
pip install openai anthropic google-genai litellm requests
```

<CodeGroup>
  ```python OpenAI SDK theme={null}
  import base64
  from openai import OpenAI

  client = OpenAI(
      base_url="https://www.focusapi.cn/v1",
      api_key="sk-your-api-key",
  )

  # 本地图片转 base64
  with open("/path/to/local.png", "rb") as f:
      local_b64 = base64.b64encode(f.read()).decode("utf-8")

  response = client.chat.completions.create(
      model="gpt-4o-mini",
      messages=[
          {
              "role": "user",
              "content": [
                  {"type": "text", "text": "请对比这两张图片的主要内容"},
                  {
                      "type": "image_url",
                      "image_url": {
                          "url": f"data:image/png;base64,{local_b64}",
                      },
                  },
                  {
                      "type": "image_url",
                      "image_url": {
                          "url": "https://example.com/image.png",
                      },
                  },
              ],
          }
      ],
  )

  print(response.choices[0].message.content)
  ```

  ```python Claude SDK theme={null}
  import base64
  from anthropic import Anthropic

  client = Anthropic(
      api_key="sk-your-api-key",
      base_url="https://www.focusapi.cn",
  )

  # 本地图片转 base64
  with open("/path/to/local.png", "rb") as f:
      local_b64 = base64.b64encode(f.read()).decode("utf-8")

  message = client.messages.create(
      model="claude-sonnet-4-20250514",
      max_tokens=1024,
      messages=[
          {
              "role": "user",
              "content": [
                  {"type": "text", "text": "请对比这两张图片的主要内容"},
                  {
                      "type": "image",
                      "source": {
                          "type": "base64",
                          "media_type": "image/png",
                          "data": local_b64,
                      },
                  },
                  {
                      "type": "image",
                      "source": {
                          "type": "url",
                          "url": "https://example.com/image.png",
                      },
                  },
              ],
          }
      ],
  )

  print(message.content[0].text)
  ```

  ```python Gemini SDK theme={null}
  import requests
  from google import genai
  from google.genai import types

  client = genai.Client(
      api_key="sk-your-api-key",
      http_options=types.HttpOptions(base_url="https://www.focusapi.cn"),
  )

  # 本地图片
  with open("/path/to/local.png", "rb") as f:
      local_bytes = f.read()

  # 远程图片 URL
  remote_bytes = requests.get("https://example.com/image.png").content

  response = client.models.generate_content(
      model="gemini-2.0-flash",
      contents=[
          "请对比这两张图片的主要内容",
          types.Part.from_bytes(data=local_bytes, mime_type="image/png"),
          types.Part.from_bytes(data=remote_bytes, mime_type="image/png"),
      ],
  )

  print(response.text)
  ```

  ```python LiteLLM theme={null}
  import base64
  import litellm

  # 本地图片转 base64
  with open("/path/to/local.png", "rb") as f:
      local_b64 = base64.b64encode(f.read()).decode("utf-8")

  response = litellm.completion(
      model="openai/gpt-4o-mini",
      api_key="sk-your-api-key",
      api_base="https://www.focusapi.cn/v1",
      messages=[
          {
              "role": "user",
              "content": [
                  {"type": "text", "text": "请对比这两张图片的主要内容"},
                  {
                      "type": "image_url",
                      "image_url": {
                          "url": f"data:image/png;base64,{local_b64}",
                      },
                  },
                  {
                      "type": "image_url",
                      "image_url": {
                          "url": "https://example.com/image.png",
                      },
                  },
              ],
          }
      ],
  )

  print(response.choices[0].message.content)
  ```
</CodeGroup>

<Note>
  OpenAI SDK / LiteLLM 的 base64 使用 `data:image/png;base64,{base64}` 格式；Claude SDK 使用 `source.type: "base64"`；Gemini SDK 直接传字节。每个示例同时演示本地 base64 和远程 URL 两种传图方式。若特殊格式报错，先用 curl 或 OpenAI SDK 验证模型是否支持视觉能力。
</Note>

## 图片输入建议

* 优先使用可公网访问的 HTTPS 图片 URL。
* base64 图片会显著增加请求体大小，超大图片容易触发 [524 超时](/errors/524)。
* 截图、票据、表格类图片要保证文字清晰。
* 批量分析时控制并发，避免 [429 限流](/errors/429)。

## 常见问题

| 问题          | 处理                                |
| ----------- | --------------------------------- |
| 模型说看不到图片    | 确认模型广场标记支持视觉能力                    |
| 图片 URL 读取失败 | 确认 URL 可公网访问，且没有登录、Referer 或防盗链限制 |
| 返回内容不稳定     | 提示词写清输出格式和关注点                     |
| 请求体太大       | 压缩图片或改用 URL，不要传超大 base64          |

## 相关能力

<CardGroup cols={2}>
  <Card title="文本对话" href="/models/chat">
    不带图片的普通聊天、总结和问答。
  </Card>

  <Card title="图像生成" href="/models/image-generation">
    根据提示词生成新图片。
  </Card>

  <Card title="多模态理解" href="/models/multimodal">
    图片以外的文档、文件和混合输入。
  </Card>

  <Card title="错误排查" href="/errors/overview">
    处理模型不支持、限流、超时和鉴权问题。
  </Card>
</CardGroup>