Compreensão visual

O OfoxAI suporta entrada visual em modelos multimodais para análise de imagens, capturas de tela, documentos e conteúdo de vídeo.

Modelos suportados

Modelo	Imagens	Vídeo	Descrição
`openai/gpt-6.1-sol`	Sim	—	Análise de imagem de alta qualidade
`openai/gpt-6-luna`	Sim	—	Análise de imagem rápida
`anthropic/claude-sonnet-5.5`	Sim	—	Forte compreensão de documentos e código
`google/gemini-3.8-flash`	Sim	—	Multimodal completo
`google/gemini-3.1-pro-preview`	Sim	—	Raciocínio multimodal mais poderoso

Análise de imagens

Enviar imagem por URL

cURL

Terminal


curl https://api.ofox.io/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-6.1-sol",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Descreva o conteúdo desta imagem"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
      ]
    }]
  }'

Python

vision_url.py


from openai import OpenAI
 
client = OpenAI(
    base_url="https://api.ofox.io/v1",
    api_key="<Sua OFOXAI_API_KEY>"
)
 
response = client.chat.completions.create(
    model="openai/gpt-6.1-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Descreva o conteúdo desta imagem"},
            {
                "type": "image_url",
                "image_url": {"url": "https://example.com/photo.jpg"}
            }
        ]
    }]
)
 
print(response.choices[0].message.content)

TypeScript

vision_url.ts


const response = await client.chat.completions.create({
  model: 'openai/gpt-6.1-sol',
  messages: [{
    role: 'user',
    content: [
      { type: 'text', text: 'Descreva o conteúdo desta imagem' },
      {
        type: 'image_url',
        image_url: { url: 'https://example.com/photo.jpg' }
      }
    ]
  }]
})

Enviar imagem em Base64

Adequado para arquivos locais e capturas de tela:

vision_base64.py


import base64
 
# Ler imagem local
with open("screenshot.png", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")
 
response = client.chat.completions.create(
    model="openai/gpt-6.1-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "O que esta captura de tela mostra?"},
            {
                "type": "image_url",
                "image_url": {
                    "url": f"data:image/png;base64,{image_data}"
                }
            }
        ]
    }]
)

Nível de detalhe

Controle a precisão da análise através do parâmetro detail:

Valor	Descrição	Cenário de uso
`auto`	Seleção automática (padrão)	Cenários gerais
`low`	Baixa precisão, mais rápido	Classificação simples, reconhecimento de tags
`high`	Alta precisão, mais detalhado	OCR de documentos, análise de detalhes


{
    "type": "image_url",
    "image_url": {
        "url": "https://example.com/document.jpg",
        "detail": "high"  # Modo de alta precisão
    }
}

Comparação de múltiplas imagens

Você pode enviar várias imagens em uma única requisição:


response = client.chat.completions.create(
    model="openai/gpt-6.1-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Compare as diferenças entre estas duas imagens"},
            {"type": "image_url", "image_url": {"url": "https://example.com/before.jpg"}},
            {"type": "image_url", "image_url": {"url": "https://example.com/after.jpg"}}
        ]
    }]
)

Entrada visual no protocolo Anthropic


import anthropic
 
client = anthropic.Anthropic(
    base_url="https://api.ofox.io/anthropic",
    api_key="<Sua OFOXAI_API_KEY>"
)
 
message = client.messages.create(
    model="anthropic/claude-sonnet-5.5",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {
                    "type": "base64",
                    "media_type": "image/jpeg",
                    "data": image_data
                }
            },
            {"type": "text", "text": "Descreva esta imagem"}
        ]
    }]
)

Casos de uso comuns

OCR de documentos — Extrair texto e tabelas de imagens
Análise de capturas de código — Analisar código em screenshots e fornecer sugestões
Revisão de UI — Analisar design e layout de interfaces
Interpretação de gráficos — Analisar gráficos de dados e visualizações
Reconhecimento de objetos — Identificar objetos e cenas em imagens