视觉理解（多模态对话）

接口概述

视觉理解与文本生成共用同一个接口 /v1/chat/completions：把 messages[].content 从字符串换成内容数组，放入图片即可。图片支持公网 URL，也支持 Base64。

接口地址

POST https://openai.jw-info.com/v1/chat/completions

请求头

请求头	是否必填	说明
Content-Type	是	`application/json`
Authorization	是	`Bearer {API_KEY}`，或 `x-api-key`

请求参数

参数名	类型	是否必填	说明
model	string	是	支持视觉理解的模型，广场卡片会标「视觉理解」
messages[].content[].type	string	是	`text` 或 `image_url`
messages[].content[].text	string	条件必填	文本内容（type=text 时）
messages[].content[].image_url.url	string	条件必填	图片地址或 `data:image/png;base64,...`
max_tokens	integer	否	最大生成 token 数
temperature	float	否	采样温度

请求示例

curl https://openai.jw-info.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-max",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "这张图里有什么？"},
          {"type": "image_url", "image_url": {"url": "https://example.com/cat.jpg"}}
        ]
      }
    ]
  }'

响应参数

与文本生成一致：choices[0].message.content 为识别结果，usage 给出输入输出 token 数。注意图片也会被折算成输入 token 计费。

响应示例

{
  "choices": [
    { "index": 0,
      "message": { "role": "assistant", "content": "图里是一只白色的猫，坐在木桌上。" },
      "finish_reason": "stop" }
  ],
  "usage": { "prompt_tokens": 812, "completion_tokens": 22, "total_tokens": 834 }
}

在模型广场查看支持「视觉理解」的模型 →