Imágenes

Los tres modelos leen imágenes: fotos, capturas de pantalla, boletas, gráficos o texto escrito a mano. Se mandan como una parte del mensaje, junto al texto.

{
  "model": "aguila",
  "messages": [{
    "role": "user",
    "content": [
      { "type": "text", "text": "¿Cuál es el total de esta boleta?" },
      { "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,/9j/4AAQ..." } }
    ]
  }]
}

En Python, desde un archivo

import base64

with open("boleta.jpg", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

respuesta = client.chat.completions.create(
    model="aguila",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "¿Cuál es el total de esta boleta?"},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
)

Imágenes con colibri

colibri no tiene visión propia: los mensajes con imagen los atiende aguila y se cobran con su tarifa. Ver Modelos.

Consejos

• Una imagen consume tokens de entrada; cuanto más grande, más tokens. Para leer una boleta no hace falta una foto de 12 megapíxeles.
• Si la imagen tiene texto chico, que se lea bien: una foto borrosa da peores respuestas.