ビジョン

ビジョン対応モデルはテキストと一緒に画像入力を受け付けます。ai& は 3 種類の入力方式に対応しているため、用途に合わせて選択してください。

画像を渡す 3 つの方法

{
  "role": "user",
  "content": [
    { "type": "text", "text": "What's in this image?" },
    { "type": "image_url", "image_url": { "url": "https://example.com/cat.png" } }
  ]
}

{
  "role": "user",
  "content": [
    { "type": "text", "text": "What's in this image?" },
    { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KG..." } }
  ]
}

{
  "role": "user",
  "content": [
    { "type": "text", "text": "What's in this image?" },
    { "type": "file", "file": { "file_id": "file-abc123" } }
  ]
}

file_id 方式の仕組み

{type: "file", file: {file_id}} を送ると、アップロード済みのバイト列がモデルに渡されます — 公開ホスティングは不要です。クライアント側のワイヤーフォーマットはどの方式でも変わりません。

画像は Files から purpose: "vision" でアップロード、または purpose を省略すると MIME から推論されます。

対応 MIME: image/png、image/jpeg、image/webp、image/gif。最大サイズ: 100 MiB。

Capability ゲート

ビジョンリクエストは、対象モデルが vision capability を持たない場合は拒否されます — インラインの image_url パートでも、purpose がビジョンに対応する file_id 参照でも同様です。モデルと capability の一覧は Models を参照。