Concetti relativi al modello di chat abilitata per la visione artificiale
I modelli di chat abilitati per la visione sono modelli di chat di grandi dimensioni (LMM) sviluppati da OpenAI che possono analizzare le immagini e fornire risposte testuali alle domande su di esse. Incorporano sia l'elaborazione del linguaggio naturale che la comprensione visiva. I modelli attuali abilitati per la visione sono GPT-4 Turbo con Vision, GPT-4o e GPT-4o-mini. Questa guida fornisce informazioni dettagliate sulle relative funzionalità e limitazioni.
Per provare i modelli di chat abilitati per la visione artificiale, vedere la guida introduttiva.
Chat abilitate per la visione
I modelli abilitati per la visione rispondono a domande generali su ciò che è presente nelle immagini caricate.
Informazioni speciali sui prezzi
Importante
I dettagli sui prezzi sono soggetti a modifiche future.
I modelli abilitati per la visione accumulano addebiti come altri modelli di chat OpenAI di Azure. Si paga una tariffa per token per le richieste e i completamenti, descritta in dettaglio nella pagina dei prezzi. Gli addebiti di base e le funzionalità aggiuntive sono descritti di seguito:
I prezzi di base per GPT-4 Turbo con Visione sono:
- Input: $ 0,01 per 1000 token
- Output: $ 0,03 per 1000 token
Vedere la sezione Token della panoramica per informazioni su come il testo e le immagini si traducono in token.
Esempio di calcolo del prezzo dell'immagine
Importante
Il contenuto seguente è solo un esempio e i prezzi sono soggetti a modifiche in futuro.
Per un caso d'uso tipico, acquisire un'immagine con oggetti visibili e testo e un input di richiesta di 100 token. Quando il servizio elabora il prompt, genera 100 token di output. Nell'immagine è possibile rilevare sia testo che oggetti. Il prezzo di questa transazione sarà:
| Articolo | Dettagli | Costo |
|---|---|---|
| Input della richiesta di testo | 100 token di testo | $0,001 |
| Esempio di input dell'immagine (vedere Token immagine) | 170 + 85 token di immagine | $ 0,00255 |
| Funzionalità avanzate dei componenti aggiuntivi per OCR | $ 1,50/1000 transazioni | $ 0,0015 |
| Funzionalità avanzate dei componenti aggiuntivi per il grounding degli oggetti | $ 1,50/1000 transazioni | $ 0,0015 |
| Token di output | 100 token (presupposti) | $ 0,003 |
| Totali | $ 0,00955 |
Limitazioni relative all’input
Questa sezione descrive le limitazioni dei modelli di chat abilitati per la visione.
Supporto delle immagini
- Dimensioni massime dell'immagine di input: la dimensione massima per le immagini di input è limitata a 20 MB.
- Accuratezza a bassa risoluzione: quando le immagini vengono analizzate usando l'impostazione "a bassa risoluzione", consente risposte più veloci e usa meno token di input per determinati casi d'uso. Tuttavia, ciò potrebbe influire sull'accuratezza del riconoscimento dell'oggetto e del testo all'interno dell'immagine.
- Restrizione della chat di immagini: quando si caricano immagini nel portale di Azure AI Foundry o nell'API, è previsto un limite di 10 immagini per ogni chiamata di chat.
Passaggi successivi
- Per iniziare a usare i modelli abilitati per la visione, seguire la guida introduttiva.
- Per un'analisi più approfondita delle API, seguire la guida pratica.
- Vedere i riferimenti API per completamenti e incorporamenti