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

# Vision

> Erfahren Sie, wie Sie visuelle Fähigkeiten nutzen, um Bilder zu verstehen.

## Fähigkeitsübersicht

Die Vision-Fähigkeit ermöglicht es dem Modell, Bilder und Text gleichzeitig zu verstehen, um auf Basis der Bildinhalte Analysen, Beschreibungen, Bewertungen und Q\&A durchzuführen. Entwickler können in einem einzigen Request ein oder mehrere Bilder zusammen mit natürlichsprachlichen Anweisungen an das Modell senden, um multimodale Verständnisaufgaben zu erledigen. Typische Fähigkeiten:

* Beschreibung von Bildinhalten (Objekte, Szenen, Aktionen)
* Q\&A zum Bild (Fragen zum Bildinhalt stellen)
* Vergleichende Analyse und Zusammenfassung mehrerer Bilder
* Gemeinsames Reasoning über Bilder + Text

## Schnellstart

```python theme={null}
from openai import OpenAI

client = OpenAI(
  api_key="<AIHUBMIX_API_KEY>",
  base_url="https://aihubmix.com/v1"
)

response = client.chat.completions.create(
  model="gpt-4o",
  messages=[
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "What’s in this image?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg",
            "detail": "auto"
          },
        },
      ],
    }
  ],
  max_tokens=300,
)

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

## Unterstützte Eingabeformate

Bilder können dem Modell auf zwei Arten übergeben werden: per Bild-Link oder direkt als base64-codiertes Bild im Request. Bilder können in `user`-, `system`- und `assistant`-Nachrichten enthalten sein. Derzeit werden Bilder in der ersten `system`-Nachricht nicht unterstützt.

### Eingabe per Bild-URL (empfohlen)

Übergeben Sie direkt eine über das öffentliche Internet erreichbare Bild-URL – geeignet für Online-Geschäftsszenarien.

```json theme={null}
{
  "type": "image_url",
  "image_url": {
    "url": "https://example.com/demo.jpg"
  }
}
```

<Tip>
  **Hinweise:**

  * Die URL muss für das Modell erreichbar sein.
  * Das Bildformat sollte PNG / JPEG / WEBP / kein GIF sein.
  * Die Größe eines einzelnen Bildes darf 20 MB nicht überschreiten.
</Tip>

### Eingabe als Base64-codiertes Bild

Geeignet für lokale Dateien oder private Bildszenarien.

**Ablaufbeschreibung:**

1. Bilddatei lokal lesen.
2. In einen base64-String konvertieren.
3. Im Request als Bildinhalt übergeben.

```json theme={null}
{
  "type": "image_url",
  "image_url": {
    "url": "data:image/png;base64,<BASE64_DATA>"
  }
}
```

## Beispiel für die Nachrichtenstruktur

Bilder werden in der Regel zusammen mit Textanweisungen gesendet, um das Verständnisziel des Modells zu präzisieren.

```json theme={null}
{
  "role": "user",
  "content": [
    { "type": "text", "text": "Please describe the main content of this image" },
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/photo.jpg"
      }
    }
  ]
}
```

## Eingabe mehrerer Bilder

Mehrere Bilder können in einem einzigen Request übergeben werden, damit das Modell das Verständnis aller Bilder integriert.

```json theme={null}
{
  "role": "user",
  "content": [
    { "type": "text", "text": "Compare the differences between these two images" },
    { "type": "image_url", "image_url": { "url": "https://example.com/a.jpg" } },
    { "type": "image_url", "image_url": { "url": "https://example.com/b.jpg" } }
  ]
}
```

***

## Steuerung der Bildschärfe (Parameter `detail`)

Mit dem Parameter `detail` können Sie steuern, wie detailliert das Modell Bilder verarbeitet:

| Parameterwert | Beschreibung                                         |
| :------------ | :--------------------------------------------------- |
| `low`         | Niedrige Auflösung, schnell, geringer Tokenverbrauch |
| `high`        | Hohe Auflösung, mehr Details, hoher Tokenverbrauch   |
| `auto`        | Automatische Auswahl (Standard)                      |

```json theme={null}
{
  "image_url": {
    "url": "https://example.com/photo.jpg",
    "detail": "high"
  }
}
```

**Empfohlene Strategie:**

* Verstehen des Inhalts / Szenenbewertung: `auto` oder `low`
* Wenn detaillierte Beobachtung nötig ist (Text, spezifische Teile): `high`

***

## Abrechnung und Token-Erläuterung

Visuelle Eingaben verbrauchen zusätzliche Token, die in der Kostenkalkulation berücksichtigt werden sollten:

* `low`-Modus: Jedes Bild verbraucht feste **85 Token**
* `high`-Modus: Tokenverbrauch steigt mit Bildgröße und Auflösung

**Empfehlungen:**

* Standardmäßig `auto` verwenden
* In Bulk- oder Hochlast-Szenarien unnötiges `high` vermeiden

## Nutzungsempfehlungen

* Geben Sie immer klare Textanweisungen; senden Sie nicht nur Bilder.
* Begrenzen Sie Anzahl und Auflösung der Bilder, um unnötige Kosten zu vermeiden.
* Validieren Sie kritische Geschäftsergebnisse zusätzlich.
* Nutzen Sie das visuelle Verständnis als ergänzende Fähigkeit, nicht als alleinige Entscheidungsgrundlage.

***

Zuletzt aktualisiert: 2026-06-01