OpenAI API 圖片輸入怎麼傳：input_image 的網址、Base64、文件 ID 三種寫法，附 detail 和限制

本文根據 OpenAI 官方《Images and vision》整理，資料核對於 2026-11-05。配圖為本站整理的示意圖，不是介面截圖。代碼裏的模型名取自官方當天示例，請以官方模型頁為準。本站（bigolab.com）不是 OpenAI 官方網站。API 是按用量計費的獨立服務，與 ChatGPT 訂閱分開計算，Key 的獲取見 /guides/openai-api-key。

適用於誰

• 已經能用 Python 或 Node 發出第一個請求，想讓模型“看圖說話”、讀圖中文字的開發者；
• 做發票識別、截圖問答、商品圖描述等小工具的人；
• 想弄清楚“圖片到底怎麼塞進請求裏、會不會很貴”的人。

第一次調用的寫法見 /guides/openai-api-python-quickstart，本文預設你已經有可用的 Key 並能跑通文字請求。

結論先說

1. 圖片放進 input 裏某條用戶消息的 content 數組，一項文字（input_text）加一項或多項圖片（input_image）。
2. 官方給了三種傳圖方式：完整網址、Base64 編碼的數據 URL、先用 Files API 上載再引用文件 ID。
3. detail 控制圖片預處理，取值 low、high、original、auto，不寫預設 auto；具體哪個模型支持哪幾檔，要看官方當天的表。
4. 有硬限制：支持 PNG、JPEG、WEBP、非動畫 GIF；一次請求最多 1,500 張圖、負載總量最多 512 MB。
5. 圖片按 token 計費，也佔速率限制裏的每分鐘 token 數。價格以官方價格頁當天為準，見 /guides/openai-api-price-official-table。

圖：本站根據 OpenAI 官方《Images and vision》 整理的示意圖

一、傳網址：最省事

如果圖片已經放在網上、而且能被公開訪問，直接給網址就行。官方示例的結構如下（Python）：

python
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",  # 以官方模型頁當天為準
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "這張圖裏有什麼？"},
                {
                    "type": "input_image",
                    "image_url": "https://example.com/your-image.jpg",
                },
            ],
        }
    ],
)

print(response.output_text)

注意幾點：

• content 是個數組，文字和圖片是並列的兩項；
• 網址必須是官方所說的“完整網址”（fully qualified URL），也就是帶 https:// 的；
• 網址要能被 OpenAI 的服務訪問到，需要登入才能看的圖、只在公司內網能打開的圖，這種寫法不適用（這一條是本站根據“需要可訪問”做的推斷，請按自己的情況實測）。

二、傳 Base64：本地文件最常用

圖片在你自己的電腦上時，可以讀出來編碼成 Base64，再拼成數據 URL 放進 image_url。官方 Node 示例（儲存為 .mjs 文件運行）：

javascript
import fs from "fs";
import OpenAI from "openai";

const openai = new OpenAI();

const base64Image = fs.readFileSync("example.jpg", "base64");

const response = await openai.responses.create({
  model: "gpt-6-astra", // 以官方模型頁當天為準
  input: [
    {
      role: "user",
      content: [
        { type: "input_text", text: "這張圖裏有什麼？" },
        {
          type: "input_image",
          image_url: `data:image/jpeg;base64,${base64Image}`,
          detail: "auto",
        },
      ],
    },
  ],
});

console.log(response.output_text);

Python 的寫法同理，官方示例用 base64.b64encode(...) 編碼後拼出 f"data:image/jpeg;base64,{base64_image}"。要點是數據 URL 開頭的類型要和實際文件格式一致：JPEG 寫 image/jpeg，PNG 寫 image/png。這一條是本站根據官方 PNG 示例（data:image/png;base64,）歸納的。

三、傳文件 ID：同一張圖多次用

官方說，也可以先用 Files API 上載文件，再在請求裏引用文件 ID。上載時 purpose 填 vision：

python
from openai import OpenAI

client = OpenAI()

with open("example.jpg", "rb") as f:
    uploaded = client.files.create(file=f, purpose="vision")

response = client.responses.create(
    model="gpt-6-astra",  # 以官方模型頁當天為準
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "這張圖裏有什麼？"},
                {"type": "input_image", "file_id": uploaded.id},
            ],
        }
    ],
)

print(response.output_text)

這個寫法對應官方 Python 文件 ID 示例。上載一次、多次引用，比每次都重新編碼一大串 Base64 更省請求體積。

四、detail 怎麼選

官方的 detail 說明：

官方還提醒：做 OCR、找很小的物體、computer use 這類要看清細節或要精確座標的任務，在模型支持時用 "detail": "original"。需要精確座標時，建議先把圖片縮放到模型的限制內再發送，並把返回的座標映射回原圖。

不同模型支持的檔位不同。例如官方表裏，較老的 gpt-4o 系列只有 low、high、auto，沒有 original。所以模型名換了，detail 也要核對。

五、限制與費用

官方「Image input requirements」列出：

• 文件類型：PNG、JPEG、WEBP、非動畫 GIF；
• 請求大小：一次請求總負載最大 512 MB；
• 圖片數量：一次請求最多 1,500 張；
• 對按 patch 計 token 的模型，每張圖最多 30,000 個 patch；超過的圖會被拒絕，不會自動縮小，需要你自己先縮小尺寸再試。

費用方面，官方說圖片會轉換成可計費的輸入 token，並且也佔速率限制裏的每分鐘 token 數。想估算一張圖要多少 token，官方有「Image input cost calculator」，可以按模型、圖片尺寸和 detail 選擇估算。本文不寫單價，以官方價格頁當天為準。請求一旦觸發限流，處理方法見 /guides/openai-api-429-error。

六、官方列出的侷限

圖：本站根據 OpenAI 官方《Images and vision》 整理的示意圖，處理辦法為本站補充

官方在「Limitations」裏寫明視覺模型會犯錯，設計應用時要考慮：

• 醫學影像：不適合解讀 CT 等專業醫學影像，也不應當用來做醫療建議；
• 非拉丁文字：對日文、韓文等非拉丁字母的文字，效果可能不理想；
• 小字：把圖裏的文字放大；模型支持時也可用 original；
• 旋轉：可能誤讀旋轉或倒置的文字和圖片；
• 圖表樣式：線條顏色、實線虛線點線混用時，可能看不懂；
• 空間推理：不擅長精確定位，官方舉的例子是識別棋盤局面；
• 準確性：生成的描述或標題可能不對；
• 圖片形狀：全景圖、魚眼圖效果不好；
• 元數據：模型不處理原始文件名和元數據，圖片分析前可能被縮放；
• 計數：給出的物體數量可能只是近似；
• 驗證碼：出於安全原因，系統會阻止提交 CAPTCHA。

所以別把模型的識別結果直接當最終結論。需要準確數字的場景（比如發票金額），建議讓程序再校驗一遍，這是本站的建議。

常見問題

Q：能一次傳多張圖嗎？

可以，在 content 數組裏放多項 input_image 即可。官方提醒每張圖都按 token 計費，數量越多越貴。

Q：和 Chat Completions 的傳圖寫法一樣嗎？

官方端點對照表裏 Chat Completions 也能分析圖片並返回文字，具體字段本文沒有核對，不展開。Responses 與它的區別見 /guides/openai-responses-api，本文只寫 Responses 寫法。

Q：想讓模型“畫圖”而不是“看圖”？

這是另一個能力，官方在同一頁的開頭區分了：生成圖片用 Images API 或 Responses 的圖像生成工具，不是 input_image。

Q：提示圖片格式不支持？

對照上面的格式表：動圖 GIF 不行，其他格式需先轉成 PNG、JPEG 或 WEBP。

參考資料

• OpenAI 官方：Images and vision — https://developers.openai.com/api/docs/guides/images-vision