Dokumentationerreichbar
Vision
platform.claude.com (externe Seite)
Die Herstellerdokumentation zum Bild als Eingabe. Ein Bild wird in Blöcke von 28 mal 28 Pixeln zerlegt, und jeder Block ist ein sichtbares Token. Jede Modellstufe hat zwei Grenzen, eine Kantenlänge und eine Tokenzahl: 1568 Pixel und 1568 Token auf der Standardstufe, 2576 Pixel und 4784 Token auf der hohen Stufe ab Claude 4.7. Darüber wird verkleinert. Koordinaten, die Claude nennt, beziehen sich auf das verkleinerte Bild. Der Abschnitt Limitations zählt sieben Grenzen auf, darunter die für dieses Projekt wichtigste: Ob ein Bild von einer Maschine stammt, kann das Modell nicht sagen.
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 23.10.2026:
Claude processes images in patches instead of pixels. Each patch is a 28×28-pixel block of the image, referred to as a visual token.
bestätigt 10.11.2026Images larger than either limit are downscaled before processing
bestätigt 10.11.2026When an image is downsized, Claude scales it to the largest size that fits the tier's limits while preserving its aspect ratio.
bestätigt 10.11.2026High-resolution images can use up to roughly three times more visual tokens than the same image on a standard-tier model.
bestätigt 10.11.2026Animations are unsupported, and only the first frame is used.
bestätigt 10.11.2026Claude works best when images come before text.
bestätigt 10.11.2026Claude cannot determine whether an image is AI-generated and might be incorrect if asked.
bestätigt 10.11.2026Claude can give approximate counts of objects in an image but might not always be precisely accurate, especially with large numbers of small objects.
bestätigt 10.11.2026Claude's coordinate and localization outputs are approximate.
bestätigt 10.11.2026Although Claude can analyze general medical images, it is not designed to interpret complex diagnostic scans such as CTs or MRIs.
bestätigt 10.11.2026Claude might hallucinate or make mistakes when interpreting low-quality, rotated, or very small images under 200 pixels.
bestätigt 10.11.2026Each model has a maximum native image resolution, expressed as a long-edge limit and a visual-token limit.
bestätigt 10.11.2026Claude returns absolute pixel coordinates relative to the image it processes after resizing
bestätigt 10.11.2026cannot be used to name people in images and refuses to do so
bestätigt 10.11.2026High-resolution support is automatic on the listed models and requires no beta header or client-side opt-in.
bestätigt 10.11.2026the API rejects a tool_result image that exceeds the model's limits with a validation error
bestätigt 10.11.2026To have any other oversized image rejected with an error instead of downscaled, set the image block's transformations field.
bestätigt 10.11.2026The limit is 128 MB on the first-party Claude API
bestätigt 10.11.2026
Multimodal im GlossarVisuelles Token im Glossar02 Wann es kein Modell braucht05 Computer Vision13 Was ein Modell auf einem Bild erkennt