AI 如何读图？5 分钟了解图像 Token

AI 如何读图？5 分钟了解图像 Token

视觉：图像即 Token · 构建者 · 5 分钟 · tokens、llm · 前置：[Tokens](/explain/tokens/)

视觉模型会把图像切成小方块（图块或瓦片），并将每块读作一个 token。图像越大，token 越多，直到触及尺寸上限；超过上限后图像会被缩小，这可能会让小字变模糊。

• 1 先猜一猜

你给聊天机器人发一张照片。模型实际接收的是什么？

• A 某人写的文字描述
• B 图像的小方块，每块变成一个 token
• C 整个文件，逐像素读取
• 2 看

一张图，由 token 组成

1 / 4

收据 2 × 咖啡 ........ $7.00 税 ............... $0.56

280 × 168 px → ⌈280/28⌉ × ⌈168/28⌉ = 10 × 6 = 60 tokens

规则：Anthropic 视觉文档，28×28 px 图块（核对于 2026-10-21） · 示例图片仅作说明

模型把图片切成小方块。每个方块变成一个 token。

图像是由图块 token 组成的网格：像素越多，token 越多，直到尺寸上限；超过上限后图像会被缩小，小字也不例外。

• 图块是模型作为一个 token 读取的一小块像素：Anthropic 是 28 像素见方，OpenAI 是 32，Gemini 是 768 像素瓦片。每家厂商都会限制尺寸，然后缩小更大的图像。因此，一张照片可能花费上千个 token，也正因如此，巨大截图中的微小文字会被读错。
• 4 你就是模型

你就是模型的眼睛（Anthropic 标准档）。数出每张图的 28 像素方块，并选出它的 token 数。

图 1/4 · Anthropic 标准档：28 px 图块，长边 ≤ 1568 px

一张 280 × 280 px 的图片有多少 token？258 100 78,400

Anthropic 视觉文档（核对于 2026-10-21）

你就是模型的眼睛：数一数 28 像素的方块。

• 5 检查

你把图片宽度翻倍。在触发任何尺寸上限前，它的 token 数……

• A 大约翻倍
• B 保持不变
• C 变为四倍
• 6 复述

向朋友解释聊天机器人如何读图。

• 7 任务 · 5 分钟

使用免费的 Gemini API 密钥，统计一张小截图和一张大照片的 token 数（count_tokens，Gemini 文档“Understand and count tokens”）。然后让 Gemini 3.8 Flash 读取大照片中最小的文字，再读取仅该角落裁剪图中的文字，并比较。

[免费视觉 API](/learn/free-vision-api/)

深入阅读

• Anthropic — 视觉（分辨率与 token 成本）
• Gemini API — 图像理解
• OpenAI — 图像与视觉

来源

• https://platform.claude.com/docs/en/build-with-claude/vision（核对于 2026-10-21）：28×28 像素图块，⌈宽/28⌉ × ⌈高/28⌉ 个视觉 token；标准档最大长边 1568 px 和 1568 个 token；高分辨率档（Claude 4.7 及以后）2576 px 和 4784 个 token；表 200×200 → 64，1000×1000 → 1296，1092×1092 → 1521，1920×1080 → 1456×819、1560（标准档）或未缩放、2691（高分辨率）；3840×2160 → 2576×1449、4784（高分辨率）；缩放“例如可能使文字更难辨认”
• https://ai.google.dev/gemini-api/docs/image-understanding（更新于 2026-09-23，核对于 2026-10-21）：若两个维度都 ≤ 384 px，则为 258 个 token；更大的图像会切成 768×768 的瓦片，每片 258 个 token；960×540 → 6 片
• https://ai.google.dev/gemini-api/docs/tokens（更新于 2026-10-13，核对于 2026-10-21）：用图像调用 count_tokens
• https://developers.openai.com/api/docs/guides/images-vision（核对于 2026-10-21；无更新日期）：32px 图块 × 模型倍率；gpt-6-astra，detail high：1024×1024 → 1229 个 token
• https://ai.google.dev/gemini-api/docs/pricing（更新于 2026-10-19，核对于 2026-10-21）：Gemini 3.8 Flash 在免费档输入免费

对厂商规则的算术标注在图中（60、1,369、1,548 个 token；0.392 缩放）；示例收据、截图和文字大小仅作说明。发布于 2026 年 10 月 21 日 · 更新于 2026 年 10 月 21 日

[相关：为什么它会把“strawberry”里的 r 数错？](/explain/tokens/)[相关：它怎么知道“king”接近“queen”？](/explain/embeddings/)[相关：它怎么知道“it”指什么？](/explain/self-attention/)