标签：多模态
共 4 篇文章。
-
Anthropic Vision 多图输入的最佳实践
Claude Vision API 处理多图输入时的请求结构、图片排序策略、token 预算控制与常见错误，附文档比对、UI 回归检测的实战代码。
-
Gemini 3 Pro 多模态能力评测：图像、视频、音频综合实测
从开发者视角评测 Gemini 3 Pro 的多模态能力，覆盖图像理解、视频分析、音频处理与代码生成，并与 Claude 同类模型横向对比。
-
多模态 LLM 图片 token 计费详解：省钱的关键参数
深入解析 Claude、GPT-4o、Gemini 的图片 token 计算规则，对比不同分辨率、压缩策略的实际成本，附省钱技巧与计费陷阱。
-
LLM Vision API 国内调用对比：Claude / GPT-5 / Gemini
Claude、GPT-5、Gemini 三家视觉模型的国内调用方法实战对比，含截图 OCR、UI 理解、图表数据提取、多图对比的场景实测。