功能特性
视觉理解
让模型理解图片内容
支持视觉理解的模型可以同时接收文字与图片，用于图片问答、截图分析、票据识别、图表解读等场景。
适用模型
模型广场中带有 视觉理解 标签（即支持多模态输入）的模型均支持，例如 qwen3.7-plus、gpt-5.5、gemini-3.5-flash。
示例
把 content 写成数组，同时包含文字与图片：
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://netnexus.top/api/v1")
resp = client.chat.completions.create(
model="qwen3.7-plus",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "这张图片里有什么？"},
{"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}},
],
}
],
)
print(resp.choices[0].message.content)本地图片可以转成 Base64，以 Data URL 形式传入：
import base64
with open("photo.jpg", "rb") as f:
b64 = base64.b64encode(f.read()).decode()
image = {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}}注意事项
- 图片同样按 token 计费，分辨率越高消耗越多。
- 图片 URL 需要能被公网访问；内网图片请使用 Base64 方式。