ModèlesSupportEntrepriseBlog
500+ API de modèles IA, toutes en une seule API. Simplement avec CometAPI
API des modèles
Développeur
Démarrage rapideDocumentationTableau de bord API
Ressources
Modèles d'IABlogEntrepriseJournal des modificationsÀ propos
2025 CometAPI. Tous droits réservés.Politique de confidentialitéConditions d'utilisation
Home/Models/OpenAI/gpt-4-v
O

gpt-4-v

Par requête:$0.04
Usage commercial
Aperçu
Fonctionnalités
Tarification
API

Technical Specifications of gpt-4-v

SpecificationDetails
Model IDgpt-4-v
Provider familyOpenAI GPT-4 with vision capabilities
Model typeMultimodal large language model
Primary modalitiesText input, image input, text output
Core capabilityUnderstands and analyzes images alongside natural-language prompts
Input image methodsImage URL, Base64-encoded image, or uploaded file ID
Multi-image supportYes, multiple images can be included in a single request
Typical API patternsChat Completions-style vision requests and newer multimodal/Responses-style image analysis workflows
Best suited forVisual question answering, OCR-style understanding, document and UI analysis, captioning, accessibility, and image-grounded reasoning
Context notesImage inputs count toward usage and billing as tokens in supported API workflows
Availability statusGPT-4 and vision capabilities were introduced by OpenAI, though OpenAI’s current platform documentation now emphasizes newer multimodal models and image-capable APIs for many production use cases.

What is gpt-4-v?

gpt-4-v is CometAPI’s platform identifier for GPT-4 with vision, a multimodal version of GPT-4 designed to interpret and reason about image inputs in addition to text. OpenAI described GPT-4V as the capability that lets GPT-4 analyze user-provided images, enabling applications that combine visual understanding with conversational responses.

In practice, this model is used when an application needs language intelligence grounded in visual content. That includes describing scenes, extracting meaning from screenshots or charts, reading text embedded in images, comparing multiple images, and answering follow-up questions about what appears in a picture. OpenAI’s vision documentation also notes that image inputs can be passed by URL, Base64 data URL, or file ID, making the model flexible for both web and backend pipelines.

Although OpenAI’s latest documentation now highlights newer image-capable model families and APIs, GPT-4V remains an important reference point in the evolution of multimodal AI because it brought GPT-4-class reasoning to image understanding workflows. That makes gpt-4-v a useful compatibility target on aggregation platforms when developers want a GPT-4-style vision model interface. This last point is an inference based on OpenAI’s historical GPT-4V positioning and its newer documentation emphasis on later multimodal models.

Main features of gpt-4-v

  • Multimodal understanding: gpt-4-v can process both natural-language instructions and image inputs, allowing users to ask questions about visual content rather than relying on text alone.
  • Image-grounded reasoning: The model can identify objects, scenes, layouts, and relationships inside an image, then use GPT-4-style reasoning to produce useful textual answers.
  • OCR-like text recognition: When text appears inside an image, OpenAI’s vision guidance indicates the model can understand that text, which is valuable for screenshots, signs, forms, slides, and document snapshots.
  • Flexible image ingestion: Developers can provide image inputs as public URLs, Base64-encoded data URLs, or uploaded file references, making integration easier across browser, mobile, and server-side systems.
  • Multiple-image analysis: The model can accept more than one image in a single request, which supports comparison, step-by-step inspection, and multi-page or multi-view workflows.
  • Strong accessibility use cases: OpenAI highlighted real-world accessibility applications for GPT-4-powered vision, including support for interpreting visual environments for blind and low-vision users.
  • Broad application fit: gpt-4-v is well suited for visual Q&A, screenshot interpretation, content moderation assistance, image captioning, product-image analysis, UI inspection, and document understanding. This is an inference from the documented vision capabilities and example use cases.

How to access and integrate gpt-4-v

Step 1: Sign Up for API Key

To start using gpt-4-v, first create an account on CometAPI and generate your API key from the dashboard. After signing in, store the key securely and load it through an environment variable or your application’s secret manager so it is not exposed in client-side code.

Step 2: Send Requests to gpt-4-v API

Once your API key is ready, send requests to the CometAPI endpoint and set the model field to gpt-4-v.

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "gpt-4-v",
    "messages": [
      {
        "role": "user",
        "content": "Describe the image and extract any visible text."
      }
    ]
  }'

If your integration supports multimodal message content, you can pair text instructions with image inputs in the same request. For best results, provide clear prompts, specify the task you want performed on the image, and structure downstream handling for potentially detailed outputs.

Step 3: Retrieve and Verify Results

After the API returns a response, parse the generated output from the response body and validate that it matches your application’s expected format. For production use, it is a good practice to verify image-based answers, especially for OCR, compliance, accessibility, or decision-support workflows, because vision models can still misread small details or ambiguous visuals.

Fonctionnalités pour gpt-4-v

Découvrez les fonctionnalités clés de gpt-4-v, conçues pour améliorer les performances et la facilité d'utilisation. Explorez comment ces capacités peuvent bénéficier à vos projets et améliorer l'expérience utilisateur.

Tarification pour gpt-4-v

Découvrez des tarifs compétitifs pour gpt-4-v, conçus pour s'adapter à différents budgets et besoins d'utilisation. Nos formules flexibles garantissent que vous ne payez que ce que vous utilisez, ce qui facilite l'adaptation à mesure que vos besoins évoluent. Découvrez comment gpt-4-v peut améliorer vos projets tout en maîtrisant les coûts.
Prix de Comet (USD / M Tokens)Prix officiel (USD / M Tokens)Remise
Par requête:$0.04
Par requête:$0.05
-20%

Exemple de code et API pour gpt-4-v

Accédez à des exemples de code complets et aux ressources API pour gpt-4-v afin de simplifier votre processus d'intégration. Notre documentation détaillée fournit des instructions étape par étape pour vous aider à exploiter tout le potentiel de gpt-4-v dans vos projets.

Plus de modèles

G

Nano Banana 2

Entrée:$0.4/M
Sortie:$2.4/M
Aperçu des capacités principales: Résolution: Jusqu'à 4K (4096×4096), comparable à Pro. Cohérence des images de référence: Jusqu'à 14 images de référence (10 objets + 4 personnages), en maintenant la cohérence du style et des personnages. Rapports d'aspect extrêmes: Nouveaux rapports 1:4, 4:1, 1:8, 8:1 ajoutés, adaptés aux images longues, aux affiches et aux bannières. Rendu de texte: Génération de texte avancée, adaptée aux infographies et aux mises en page d'affiches marketing. Amélioration de la recherche: Google Search + Image Search intégrés. Ancrage: Processus de réflexion intégré; les prompts complexes font l'objet d'un raisonnement avant la génération.
A

Claude Opus 4.6

Entrée:$4/M
Sortie:$20/M
Claude Opus 4.6 est le grand modèle de langage de classe « Opus » d’Anthropic, publié en février 2026. Il est positionné comme un outil polyvalent pour le travail cognitif et les flux de travail de recherche — améliorant le raisonnement en contexte long, la planification à plusieurs étapes, l’utilisation d’outils (y compris des flux de travail logiciels basés sur des agents) et l’exécution de tâches informatiques telles que la génération automatisée de diapositives et de feuilles de calcul.
A

Claude Sonnet 4.6

Entrée:$2.4/M
Sortie:$12/M
Claude Sonnet 4.6 est notre modèle Sonnet le plus performant à ce jour. Il s’agit d’une mise à niveau complète des capacités du modèle dans la programmation, l’usage de l’ordinateur, le raisonnement sur des contextes étendus, la planification d’agents, le travail intellectuel et la conception. Sonnet 4.6 propose également une fenêtre de contexte de 1M de jetons en bêta.
O

GPT-5.4 nano

Entrée:$0.16/M
Sortie:$1/M
GPT-5.4 nano est conçu pour des tâches où la vitesse et le coût comptent le plus, comme la classification, l’extraction de données, le classement et les sous-agents.
O

GPT-5.4 mini

Entrée:$0.6/M
Sortie:$3.6/M
GPT-5.4 mini apporte les atouts de GPT-5.4 dans un modèle plus rapide et plus efficace, conçu pour des charges de travail à grande échelle.
A

Claude Mythos Preview

A

Claude Mythos Preview

Bientôt disponible
Entrée:$60/M
Sortie:$240/M
Claude Mythos Preview est à ce jour notre modèle de pointe le plus performant et affiche un bond spectaculaire des scores sur de nombreux benchmarks d’évaluation, par rapport à notre précédent modèle de pointe, Claude Opus 4.6.