Dokumentationerreichbar

Images and vision

OpenAIs Seite zum Bild als Eingabe. Sie schreibt zwei Rechnungen aus: Neuere Modelle zerlegen das Bild in Felder zu 32 mal 32 Pixeln, und die Zahl der Felder wird mit einem Faktor je Modell malgenommen, 1,2 bei gpt-6-astra. Ältere Modelle rechnen in Kacheln zu 512 Pixeln. In der Grundeinstellung von gpt-6-astra wird ein Bild erst ab 65.535 Pixeln Kantenlänge verkleinert, über 30.000 Feldern lehnt die Schnittstelle es ab. Je Anfrage gehen bis zu 1.500 Bilder. Die Grenzenliste nennt elf Punkte, darunter nicht-lateinische Schriften, Panorama- und Fischaugenaufnahmen und dass Dateiname und Metadaten nicht verarbeitet werden.

geprüft 10.11.2026

Worauf sich diese Seite beruft, wörtlich, abgerufen am 26.08.2026:

Vision models convert image inputs into billable input tokens.bestätigt 10.11.2026
The model may not perform optimally when handling images with text of non-Latin alphabetsbestätigt 10.11.2026
The model struggles with tasks requiring precise spatial localizationbestätigt 10.11.2026
The model is not suitable for interpreting specialized medical images like CT scansbestätigt 10.11.2026
Some models tokenize images by covering them with 32px x 32px patches.bestätigt 10.11.2026
The model doesn't process original file names or metadata.bestätigt 10.11.2026
The model struggles with panoramic and fisheye images.bestätigt 10.11.2026

Visuelles Token im Glossar 13 Was ein Modell auf einem Bild erkennt

Alle Quellen