Картинки во входе
Как отправить фото или скриншот нейросети по API: ссылкой или в base64, какие модели понимают изображения и как считается цена.
Обновлено:
Некоторые модели читают картинки: описывают фото, достают текст со скриншота, разбирают графики. Это модели, у которых в input_modalities есть image. У deepseek/deepseek-v4.1-flash-ultrafast картинок на входе нет, поэтому в примерах ниже — z-ai/glm-4v-plus.
Python
import requests # pip install requests
models = requests.get("https://veselo.ai/v1/models", timeout=30).json()["data"]
for m in models:
if "image" in m["input_modalities"]:
p = m["pricing_rub"]
print(m["id"], p.get("input_per_1m"), p.get("output_per_1m"))curl
curl -s https://veselo.ai/v1/models | jq -r '.data[] | select(.input_modalities | index("image")) | .id'Как отправить картинку
Картинка — часть сообщения user: вместо строки в content передаётся массив из текста и картинок. Картинка — объект {"type": "image_url", "image_url": {"url": …}}, где url — ссылка или сама картинка в base64.
- Ссылка
https://…должна открываться без входа и без защиты от роботов: картинку по ней скачивают при обработке запроса. - base64 —
data:image/jpeg;base64,…(илиimage/png,image/webp). Подходит для файлов с диска. Весь запрос — до 25 МБ, поэтому большие фото сначала уменьши. - В одном сообщении может быть несколько картинок.
curl
curl https://veselo.ai/v1/chat/completions \
-H "Authorization: Bearer $VESELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "z-ai/glm-4v-plus",
"max_tokens": 300,
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "Что написано на картинке крупными буквами?"},
{"type": "image_url", "image_url": {"url": "https://veselo.ai/og.jpg"}}
]
}]
}'Python
import os
from openai import OpenAI
client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"])
r = client.chat.completions.create(
model="z-ai/glm-4v-plus",
max_tokens=300,
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "Что написано на картинке крупными буквами?"},
{"type": "image_url", "image_url": {"url": "https://veselo.ai/og.jpg"}},
],
}],
)
print(r.choices[0].message.content, r.usage.cost_rub)JavaScript
import OpenAI from 'openai';
const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: process.env.VESELO_API_KEY });
const r = await client.chat.completions.create({
model: 'z-ai/glm-4v-plus',
max_tokens: 300,
messages: [{
role: 'user',
content: [
{ type: 'text', text: 'Что написано на картинке крупными буквами?' },
{ type: 'image_url', image_url: { url: 'https://veselo.ai/og.jpg' } },
],
}],
});
console.log(r.choices[0].message.content, r.usage.cost_rub);Своё фото с диска — в base64. Положи файл photo.jpg рядом со скриптом:
Python
import base64
import os
from openai import OpenAI
client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"])
with open("photo.jpg", "rb") as f:
b64 = base64.b64encode(f.read()).decode()
r = client.chat.completions.create(
model="z-ai/glm-4v-plus",
max_tokens=300,
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "Опиши фото в двух предложениях."},
{"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
],
}],
)
print(r.choices[0].message.content)JavaScript
import fs from 'node:fs';
import OpenAI from 'openai';
const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: process.env.VESELO_API_KEY });
const b64 = fs.readFileSync('photo.jpg').toString('base64');
const r = await client.chat.completions.create({
model: 'z-ai/glm-4v-plus',
max_tokens: 300,
messages: [{
role: 'user',
content: [
{ type: 'text', text: 'Опиши фото в двух предложениях.' },
{ type: 'image_url', image_url: { url: `data:image/jpeg;base64,${b64}` } },
],
}],
});
console.log(r.choices[0].message.content);Цена
Картинка оплачивается как токены входа: сколько токенов она стоит, решает модель, точное число придёт в usage.prompt_tokens. У некоторых моделей есть ещё цена за картинку — per_image_input в pricing_rub. В удержание каждая картинка идёт как 1500 токенов входа плюс эта цена.
Модель без
imageвinput_modalitiesкартинку не примет и вернёт ошибку. Ошибка не стоит денег.