图片理解（多模态视觉分析）

多模态视觉问答与图表分析

调用具备视觉能力的多模态模型（如 gpt-5.x、gpt-6.x 等），对上传的图片进行场景识别、内容提取（OCR）、图表推理及语义问答。

🔗 接口参考文档：https://platform.openai.com/docs/api-reference/chat/create

🛠 调用规范与参数说明

接口路径：POST /v1/chat/completions

model (string，必填)
具备视觉能力的多模态模型名称，如 gpt-5.x、gpt-6.x 等。这些模型仅做图片理解与文本输出，不能生成或修改图片。

messages (array，必填)
对话消息列表，content 字段为图文混排数组：

文本部分：{"type": "text", "text": "你的提问内容"}

图片部分：{"type": "image_url", "image_url": {"url": "图片链接或Base64"}}

图片支持格式：PNG、JPEG、WEBP、非动图 GIF。来源支持公网直链（https://...）或 Base64 编码内嵌（data:image/jpeg;base64,...）。

可在 image_url 对象内添加 detail 参数：

low — 更省 Token，适合低精度粗览

high — 适合识别图中微小文字与复杂图表

auto — 默认，模型自行判断

✍️ 实用提示：

本接口用于分析理解已有图片，不会生成新图片

如需生成或修改图片，请使用上方的「图片生成」或「图像编辑」接口

模型与官方文档

示例模型：gpt-5.5

本站在架模型（文本）：gpt-5.5、gpt-5.6-luna、gpt-5.4、gpt-6-luna、gpt-6-sol、codex-auto-review、gpt-5.4-nano、gpt-4.1 等

厂商官网：OpenAI 模型文档

说明：模型名称需与【模型广场】完全一致；不同令牌分组可用的模型不同，以控制台展示为准。

请求参数

Header 参数

Body 参数application/json

示例

{
    "model": "gpt-5.5",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请详细描述这张图片的内容，并提取图片中的主要文字与主体元素。"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://github.com/dianping/cat/raw/master/cat-home/src/main/webapp/images/logo/cat_logo03.png",
                        "detail": "auto"
                    }
                }
            ]
        }
    ]
}

请求示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

图片理解（多模态视觉分析）

多模态视觉问答与图表分析#

🛠 调用规范与参数说明#

模型与官方文档#

请求参数

请求示例代码

返回响应

多模态视觉问答与图表分析

🛠 调用规范与参数说明

模型与官方文档