图像理解（Vision）API

视觉输入通过 Chat Completions 的多模态 content 数组传入。参考环境样例中可用于视觉/多模态的模型包括 gemini-3.1-pro-preview、gemini-2.5-pro、gemini-3-pro-image-preview 和部分 GPT/Claude 渠道；具体以当前令牌列表和渠道能力为准。

请求示例

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.openfde.work/v1",
)

response = client.chat.completions.create(
    model="gemini-3.1-pro-preview",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    },
                },
            ],
        }
    ],
    max_completion_tokens=512,
)

print(response.choices[0].message.content)

图片可以使用 HTTPS URL 或 data URL。图片大小、格式、数量和视频输入能力由模型决定；不要把任意文本模型当作视觉模型调用。

检查模型

curl https://api.openfde.work/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

如果目标模型不在列表中，或返回多模态参数错误，请更换为当前可用的视觉模型或联系管理员确认渠道配置。