图像理解

向模型发送图片进行识别：Chat Completions、Responses、Anthropic Messages 三种传图格式，以及 GLM、Kimi、DeepSeek 的支持模型和限制。

识图不是生图

本页说明如何让模型「看图」并输出文字。平台目前没有接入图像生成模型，POST /v1/images/generations 不可用。

哪些模型可以识图

厂商	可识图的模型	路径与要点
OpenAI	GPT 对话模型（以模型广场为准）	走 Chat Completions
Anthropic	claude-haiku-4-5-20251001 等	Messages 的 image 内容块
GLM	glm-5.3-flash	glm-5.3 不接受图片，发送图片会被上游拒绝
Kimi	以模型广场为准（示例使用 kimi-k3）	只接受 base64 或 Moonshot 文件 ID，见下方
DeepSeek	deepseek-v4.1-flash、deepseek-v4-flash-0731	Chat Completions 与 Responses 都可以，字段不同

完整的模型能力对照见模型能力矩阵。

Chat Completions

content 写成数组，用 image_url 传入图片。下面示例里的 base64 是一张 1×1 的 PNG：

bash

curl https://run.fluxlane.ai/v1/chat/completions \
  -H "Authorization: Bearer $FLUXLANE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "模型名称",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "描述这张图片。"},
      {"type": "image_url", "image_url": {"url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAYAAAAfFcSJAAAADUlEQVR42mP8z8BQDwAEhQGAhKmMIQAAAABJRU5ErkJggg=="}}
    ]
  }]
}'

GLM 视觉模型的 image_url 可以是 URL 或 base64 data URL。

Responses

官方 Responses 的识图字段是 input_image，其中 image_url 是字符串，不要把 Chat Completions 里的 image_url 对象原样放进来。GPT 对话模型在本平台的识图请走 Chat Completions；Responses 识图目前用于 DeepSeek：

bash

curl https://run.fluxlane.ai/v1/responses \
  -H "Authorization: Bearer $FLUXLANE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "deepseek-v4.1-flash",
  "input": [{
    "role": "user",
    "content": [
      {"type": "input_text", "text": "这张图片里有什么？"},
      {"type": "input_image", "image_url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAYAAAAfFcSJAAAADUlEQVR42mP8z8BQDwAEhQGAhKmMIQAAAABJRU5ErkJggg==", "detail": "low"}
    ]
  }]
}'

Anthropic Messages

识图使用 image 内容块，图片放在 user 消息里：

bash

curl https://run.fluxlane.ai/v1/messages \
  -H "x-api-key: $FLUXLANE_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "claude-haiku-4-5-20251001",
  "max_tokens": 1024,
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "描述这张图片。"},
      {"type": "image", "source": {"type": "base64", "media_type": "image/png", "data": "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAYAAAAfFcSJAAAADUlEQVR42mP8z8BQDwAEhQGAhKmMIQAAAABJRU5ErkJggg=="}}
    ]
  }]
}'

Kimi 的限制

• message.content 必须是对象数组，不要把数组序列化成字符串。
• 图片使用 base64 data URL，或 Moonshot 文件 ID（ms://）。Kimi 官方不接受公网图片 URL。
• SVG 不能作为图片输入。

bash

curl https://run.fluxlane.ai/v1/chat/completions \
  -H "Authorization: Bearer $FLUXLANE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "kimi-k3",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "描述这张图片。"},
      {"type": "image_url", "image_url": {"url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAYAAAAfFcSJAAAADUlEQVR42mP8z8BQDwAEhQGAhKmMIQAAAABJRU5ErkJggg=="}}
    ]
  }]
}'

DeepSeek 的支持与限制

DeepSeek 官方当前的看图模型是 deepseek-flash（V4.1-Flash），在本平台的模型名是 deepseek-v4.1-flash。

模型	识图
deepseek-v4.1-flash	支持。Chat Completions 与 Responses 都按图片处理，并按图片 Token 计费
deepseek-v4-flash-0731	支持。字段与 deepseek-v4.1-flash 相同
deepseek-v4-pro	不把图片交给模型，回复中看不到图片内容
deepseek-v4-pro-0813	把图片替换成占位文本
deepseek-v4-flash	不是官方当前看图模型，识图请改用上面两个模型

官方旧名 deepseek-v4-flash-vision-exp 已退役，请求由最新 Flash 承接，请使用 deepseek-v4.1-flash。

图片字段

• Chat Completions：image_url.url 为 http(s) URL（最长 8192 字符）或 base64 data URL（如 data:image/jpeg;base64,...）。
• Responses：使用 input_image，image_url 为字符串。
• 两条路径都可以改传 file_id（形如 file-api-...），与 image_url 只能二选一；使用 file_id 时忽略 detail。
• 格式由文件内容判断，支持 JPEG、PNG、GIF、WebP。
• detail 可选 low、high、original、auto。low 在推理前缩到 512×512，其余保留原图。

限制

• 内联单张 32 MiB，file_id 单张 64 MiB，请求体 48 MiB；
• 单请求最多 600 张，单边最长 8192 像素（15 张及以上降为 4096）；
• 图片出现在 system 或 assistant 消息中时，DeepSeek 返回 400。Responses 中图片可以出现在 user / developer 消息，以及 function_call_output / custom_tool_call_output 的 output 中。

参考：DeepSeek 图像理解、DeepSeek Responses API。