視覚

このガイドでは、Claudeに画像を送信する方法、適用される制限とコスト、および座標ベースのワークフローに関するガイダンスの参照先について説明します。



Claudeに画像を送信する

Claudeの視覚機能は以下の方法で使用できます。

• claude.ai。ファイルと同じように画像をアップロードするか、チャットウィンドウに画像を直接ドラッグ＆ドロップします。
• Claude ConsoleのWorkbench。任意のUserメッセージブロックに画像を直接追加します。
• APIリクエスト。以下の例を参照してください。

APIでは、次の3つのソースタイプのいずれかを使用して、imageコンテンツブロックとしてClaudeに画像を提供します。

1. リクエストボディに埋め込まれたbase64エンコードされた画像
2. オンラインでホストされている画像へのURL参照
3. Files APIによって返されるfile_id（一度アップロードして、何度も参照）



base64エンコードされた画像の例

image1_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGP4z8AAAAMBAQDJ/pLvAAAAAElFTkSuQmCC"
image1_media_type = "image/png"

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)
print(message)



URLベースの画像の例

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg",
                    },
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)
print(message)



Files APIの画像の例

繰り返し使用する画像や、エンコードのオーバーヘッドを避けたい場合は、Files APIを使用してください。画像を一度アップロードし、その後のメッセージではbase64データを再送信する代わりに、返されたfile_idを参照します。

client = anthropic.Anthropic()

# 画像ファイルをアップロードする
with open("image.jpg", "rb") as f:
    file_upload = client.beta.files.upload(file=("image.jpg", f, "image/jpeg"))

# アップロードしたファイルをメッセージで使用する
message = client.beta.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    betas=["files-api-2025-04-14"],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "Describe this image."},
            ],
        }
    ],
)

print(message.content)

その他のサンプルコードとパラメータの詳細については、Messages APIの例を参照してください。



複数の画像

1つのリクエストに複数の画像を含めることができ、Claudeはそれらをまとめて分析します。これは、画像を比較したり、違いについて質問したり、ドキュメントのページなどの一連の画像を扱ったりする場合に便利です。複数の画像を送信する場合は、それぞれに短いテキストラベル（Image 1:、Image 2:など）を付けて導入すると、プロンプトやその後のターンで名前で参照できるようになります。

image1_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGP4z8AAAAMBAQDJ/pLvAAAAAElFTkSuQmCC"
image2_data = "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAIAAACQd1PeAAAADElEQVR4nGNgYPgPAAEDAQAIicLsAAAAAElFTkSuQmCC"

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Image 1:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image1_data,
                    },
                },
                {"type": "text", "text": "Image 2:"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image2_data,
                    },
                },
                {"type": "text", "text": "How are these images different?"},
            ],
        }
    ],
)
print(message)

マルチターンの会話では、後のuserターンでも同じ方法で新しい画像を追加します。Claudeは以前のターンのすべての画像にアクセスできるため、「これらは最初の2つと似ていますか？」のようなフォローアップの質問は、新しいターンのコンテンツに以前の画像を再度含めなくても機能します。



画像の制限とコスト



リクエストの制限

メッセージまたはリクエストあたりの画像の最大数は次のとおりです。

• claude.aiではメッセージあたり20枚。
• 200kトークンのコンテキストウィンドウを持つモデルの場合、APIではリクエストあたり100枚。
• その他すべてのモデルの場合、APIではリクエストあたり600枚。

画像あたりの最大寸法は8000x8000 pxです。

1つのAPIリクエストに20枚を超える画像が含まれる場合、より厳しい画像あたりの寸法制限が適用されます。Amazon BedrockおよびGoogle Cloudでは、PDFなどのドキュメントブロックもこのしきい値にカウントされます。より厳しい制限を超える画像は、「many-image requests」に言及し、現在のピクセル単位の制限を示すメッセージを含むinvalid_request_errorで拒否されます。すべてのプラットフォームで制限内に収めるには、各画像をどちらの寸法も2000 pxを超えないようにリサイズするか、リクエストを画像およびドキュメントブロック20個以下に抑えてください。

画像あたりの最大サイズは次のとおりです。

• Claude APIを直接使用する場合は10 MB（base64エンコード）。
• Amazon BedrockおよびGoogle Cloudでは5 MB（base64エンコード）。
• claude.aiでは10 MB。



サポートされている形式

ClaudeはJPEG、PNG、GIF、WebP画像（image/jpeg、image/png、image/gif、image/webp）をサポートしています。アニメーションはサポートされておらず、最初のフレームのみが使用されます。



解像度とトークンコスト

Claudeは画像をピクセルではなくパッチ単位で認識します。各パッチは画像の28×28ピクセルのブロックで、ビジュアルトークンと呼ばれます。したがって、画像のコストは⌈width / 28⌉ × ⌈height / 28⌉ビジュアルトークンになります。

各モデルには、長辺の制限とビジュアルトークンの制限として表される最大ネイティブ画像解像度があります。いずれかの制限を超える画像は、処理前にダウンスケールされます。正確なルールについては、Claudeが画像をリサイズおよびパディングする方法を参照してください。

高解像度サポートは、記載されているモデルでは自動的に有効になり、ベータヘッダーやクライアント側のオプトインは必要ありません。

次の表は、各ティアにおけるいくつかの画像サイズのダウンサイズ後の解像度とビジュアルトークンコストを示しています。

画像がダウンサイズされる場合、Claudeはアスペクト比を維持しながら、ティアの制限内に収まる最大サイズにスケーリングします。これによりトークンコストに上限が設けられます。正確なルールとリファレンス実装については、Claudeが画像をリサイズおよびパディングする方法を参照してください。

コストを見積もるには、トークン数に使用しているモデルのトークンあたりの価格を掛けます。たとえば、Claude Haiku 4.5の100万入力トークンあたり$1（標準ティア）では、1000×1000の画像は1000枚あたり約$1.30のコストになります。Claude Opus 5の100万あたり$5（高解像度ティア）では、同じ画像は1000枚あたり約$6.48、4K画像は1000枚あたり約$23.92のコストになります。

高解像度の画像は、標準ティアのモデルでの同じ画像と比較して、最大で約3倍のビジュアルトークンを使用する可能性があります。コンピュータ使用、スクリーンショットの理解、高密度なドキュメントに対して高解像度が提供する追加の忠実度が必要ない場合は、送信前に画像をダウンサンプリングしてトークンコストを抑えてください。レイテンシを最小限に抑え、座標ベースのワークフローを簡素化するには、アップロード前に画像をリサイズすることをお勧めします。



画像品質のガイダンス

Claudeに画像を提供する際は、最良の結果を得るために以下の点に留意してください。

• 画像の鮮明さ: 画像が鮮明で、ぼやけすぎたりピクセル化しすぎたりしていないことを確認してください。
• テキスト: 画像に重要なテキストが含まれている場合は、判読可能で小さすぎないことを確認してください。テキストを拡大するためだけに重要な視覚的コンテキストを切り取ることは避けてください。
• リサイズ: 画像が大きすぎる場合はリサイズされる可能性があることを考慮してください（解像度とトークンコストを参照）。これにより、たとえばテキストが読みにくくなる可能性があります。画像を事前にリサイズしたり、トリミングしたり、その両方を行ったりすることを検討してください。
• 画像圧縮: JPEGやWebP（非可逆モード）などの非可逆形式を使用して送信前に画像を圧縮すると、リクエストのサイズが小さくなり、レイテンシを削減できます。ただし、これによりモデルのパフォーマンスに悪影響を及ぼすアーティファクトが発生する可能性があり、特に複数回の圧縮が適用された場合に顕著です。たとえば、強いJPEG圧縮はテキストを読みにくくする可能性があります。APIに送信される実際の画像を確認して、圧縮設定がタスクに適していることを確認してください。



座標とバウンディングボックス

バウンディングボックス、ポイント、ピクセル座標については、座標とバウンディングボックスを参照してください。Claudeは、リサイズ後に認識した画像を基準とした絶対ピクセル座標を返します。そのガイドでは、Claudeが画像をリサイズおよびパディングする方法と、座標が元の画像と一致するように事前にリサイズまたは再スケーリングする方法について説明しています。



制限事項

Claudeの画像理解機能は最先端ですが、注意すべきいくつかの制限事項があります。

• 人物の特定: Claudeは画像内の人物の名前を特定するために使用できず、そのような要求を拒否します。
• 精度: Claudeは、低品質、回転した、または200ピクセル未満の非常に小さい画像を解釈する際に、幻覚を起こしたり間違いを犯したりする可能性があります。
• 空間推論: Claudeの座標およびローカライゼーションの出力は近似的なものです。座標とバウンディングボックスのガイダンスに従い、出力に依存する前に検証してください。
• カウント: Claudeは画像内のオブジェクトのおおよその数を示すことができますが、特に小さなオブジェクトが多数ある場合は、常に正確であるとは限りません。
• AI生成画像: Claudeは画像がAI生成かどうかを判断できず、尋ねられた場合に誤る可能性があります。偽物や合成画像の検出にClaudeを頼らないでください。
• 不適切なコンテンツ: Claudeは、利用規約に違反する不適切または露骨な画像を処理しません。
• 医療アプリケーション: Claudeは一般的な医療画像を分析できますが、CTやMRIなどの複雑な診断スキャンを解釈するようには設計されていません。Claudeの出力は、専門的な医療アドバイスや診断の代替と見なすべきではありません。

特にリスクの高いユースケースでは、Claudeの画像解釈を常に慎重に確認および検証してください。完璧な精度が必要なタスクや、人間の監督なしでの機密性の高い画像分析にClaudeを使用しないでください。



FAQ



次のステップ