ورودی تصویر (بینایی)

به Claude Code تصویر بدهید — با چسباندن، کشیدن و رها کردن یا مسیر فایل — تا اسکرین‌شات‌ها، ماکت‌ها، نمودارها و چارت‌ها را بخواند؛ یک کلید API از QCode.cc روی همه نقاط پایانی کار می‌کند.

به کلید API نیاز دارید؟ ثبت‌نام ←·نقاط پایانی و Base URL ←

Claude Code فقط کد نمی‌خواند — می‌تواند تصویر ببیند. یک اسکرین‌شات، ماکت طراحی، صفحه خطا یا نمودار معماری به آن بدهید تا مدلی با قابلیت بینایی، آنچه در تصویر است را به‌طور تحت‌اللفظی «بخواند» و سپس همراه با prompt شما روی آن اقدام کند — تبدیل ماکت به رابط کاربری، یافتن باگ از روی اسکرین‌شات خطا، یا توضیح یک نمودار معماری یا چارت داده.

این صفحه درباره ورودی تصویر است: شما تصویر را ارائه می‌دهید و مدل آن را درک می‌کند. این با «تولید تصویر» تفاوت دارد.

⚠️ این را با تولید تصویر اشتباه نگیرید این صفحه درباره دادن تصویر به مدل برای درک آن است (ورودی بینایی). اگر می‌خواهید هوش مصنوعی تصویر تولید/ویرایش کند (پوستر، تصویرسازی، ماکت رابط کاربری، حذف پس‌زمینه/تعویض پس‌زمینه)، این قابلیت جداگانه‌ای است — از gpt-image-2 استفاده کنید. به تولید تصویر gpt-image-2 مراجعه کنید. در یک جمله: خواندن تصویر = این صفحه؛ کشیدن تصویر = image-2.

سه روش برای ارائه تصویر¶

در یک نشست Claude Code، سه روش برای دادن تصویر به مدل وجود دارد:

در macOS، اسکرین‌شات به‌طور پیش‌فرض در کلیپ‌بورد قرار می‌گیرد، بنابراین Ctrl+V بلافاصله کار می‌کند؛ اگر اسکرین‌شات به‌صورت فایل ذخیره شده است، کشیدن و رها کردن یا مسیر قابل‌اعتمادتر است. پشتیبانی از چسباندن و کشیدن بسته به ترمینال / سیستم‌عامل متفاوت است — اگر شناسایی نشد، به «ارجاع به مسیر فایل» بازگردید که قابل‌اعتمادترین گزینه است.

نمونه‌های ارجاع به مسیر¶

> Look at the mockup ./design/dashboard.png and implement it with React + Tailwind
> What's causing this error screenshot @screenshots/build-error.png, and how do I fix it?
> Explain the system architecture in docs/architecture.png — how do the components interact?

ارجاع به مسیر قابل بازتولید است: آن را در یک اسکریپت یا قالب prompt قرار دهید و هر بار به همان تصویر دقیق اشاره می‌کند، بدون نیاز به چسباندن دستی.

کاربردهای معمول¶

1. ماکت / اسکرین‌شات → کد رابط کاربری¶

یک ماکت یا اسکرین‌شات از یک صفحه موجود را به Claude Code بدهید و از آن بخواهید کد فرانت‌اند قابل اجرا را بازتولید کند.

> Here's the mockup @mockups/pricing-page.png. Implement it with Next.js + Tailwind.
  Match the layout, spacing, and colors as closely as possible, with sensible component splits.

مدل چیدمان، متن و رنگ‌ها را از تصویر می‌خواند و کد کامپوننت منطبق را تولید می‌کند. میزان تطابق به وضوح تصویر و محدودیت‌های موجود در prompt شما بستگی دارد (فریم‌ورک، سیستم استایل‌دهی، قراردادهای نام‌گذاری و غیره).

2. اسکرین‌شات خطا → مکان‌یابی و رفع¶

آن خطاهای قرمز در IDE، کنسول مرورگر یا ترمینال — فقط از آن‌ها اسکرین‌شات بگیرید، به‌جای اینکه یک رد پشته طولانی را دوباره تایپ کنید.

> @screenshots/ts-error.png How do I fix this TypeScript error? The relevant code is in src/api/client.ts

مدل پیام خطا و پشته را از اسکرین‌شات می‌خواند و با در نظر گرفتن فایل کدی که به آن اشاره می‌کنید، یک راه‌حل اصلاح پیشنهاد می‌دهد.

3. نمودار معماری / نمودار داده → درک و توضیح¶

یک نمودار معماری، نمودار توالی، فلوچارت، داشبورد پایش یا نمودار داده را به مدل بدهید و از آن بخواهید توضیح دهد، داده استخراج کند یا از آن کد / مستندات بنویسد.

> Explain the data-flow diagram @diagrams/data-flow.png and draft an API doc based on it
> Read this monitoring screenshot @screenshots/latency.png — what's the p95 latency range? Any abnormal spikes?

کدام مدل‌ها می‌توانند تصاویر را ببینند¶

بینایی یک ویژگی مدل است — همه مدل‌ها نمی‌توانند تصاویر را بخوانند. مدل‌های دارای قابلیت بینایی که از طریق QCode.cc در دسترس هستند:

مدل‌های سبک‌وزن متنی / فقط‌کد ممکن است از ورودی تصویر پشتیبانی نکنند. اگر تصویری را به مدل بدون قابلیت بینایی بدهید، تصویر نادیده گرفته می‌شود یا خطا می‌دهد — یکی از مدل‌های بالا را انتخاب کنید. شناسه‌های بینایی 4.x مانند claude-sonnet-4-6 و claude-opus-4-8 همچنان به فروش می‌رسند. برای تغییر مدل، انتخاب مدل را ببینید.

مزیت QCode.cc: یک کلید API cr_ همه پروتکل‌ها و مدل‌ها را پوشش می‌دهد. همان کلید با مدل‌های بینایی Claude و GPT-5.x به‌طور یکسان کار می‌کند و بدون تغییر حساب‌های کاربری، بنا به نیاز جابه‌جا می‌شوید. برای نقاط پایانی و مسیرهای پروتکل، نقاط پایانی و قالب‌های API را ببینید (کاربران در چین باید asia.qcode.cc را ترجیح دهند).

نکات کاربردی¶

• تصاویر را واضح نگه دارید: قدرت تفکیک بیش از حد پایین یا متن تار باعث می‌شود مدل نتواند آن را به‌درستی بخواند. برای ماکت‌ها و اسکرین‌شات‌های خطا از تصاویر اصلی استفاده کنید؛ بیش از حد فشرده نکنید.
• تصاویر زیادی را یک‌جا انباشته نکنید: تصاویر بیشتر و بزرگ‌تر توکن بیشتری مصرف می‌کنند و تمرکز روی موضوع اصلی را سخت‌تر می‌کنند. هر بار روی یکی دو تصویر کلیدی تمرکز کنید.
• هدف خود را در متن به‌صراحت بیان کنید: کنار تصویر بنویسید که می‌خواهید چه کاری انجام دهد («بازتولید در React»، «یافتن علت خطا»، «استخراج داده‌های جدول») — این کار بسیار بهتر از فرستادن تنها یک تصویر است.
• ابتدا اطلاعات حساس را پاک‌سازی کنید: کلیدها، توکن‌ها، نشانی‌های داخلی، داده‌های کاربر و غیره را پیش از ارسال در اسکرین‌شات بپوشانید.
• برای سناریوهای دسته‌ای از مسیرها استفاده کنید: برای پردازش تصاویر در اسکریپت‌ها / اتوماسیون، «ارجاع به مسیر فایل» قابل‌کنترل‌ترین روش است؛ در ترکیب با حالت بدون رابط گرافیکی در اتوماسیون و CI/CD می‌توانید پردازش دسته‌ای انجام دهید.

قالب‌های تصویر، اندازه‌ها و هزینه توکن¶

تا تاریخ 2026-10-15، مطابق مستندات رسمی بینایی Anthropic (مرجعی مفید هنگام استفاده از Claude از طریق QCode):

در عمل: اسکرین‌شات‌هایی بزرگ‌تر از نیاز نگیرید. یک تصویر 4K تمام‌صفحه کوچک می‌شود، بنابراین پیکسل‌های اضافی فقط حجم بارگذاری را افزایش می‌دهند و وضوحی اضافه نمی‌کنند. برش دادن به ناحیه‌ای که واقعاً مهم است، هم دقیق‌تر است و هم از نظر توکن ارزان‌تر از یک تصویر تمام‌صفحه.

پیوست کردن تصاویر در Claude Code¶

بر اساس مستندات Claude Code، می‌توانید تصویری را به پنجره بکشید یا آن را کپی کنید و با Ctrl+V بچسبانید (Alt+V در Windows و WSL، Cmd+V در iTerm2). نشانگری مانند [Image #1] در کادر ورودی ظاهر می‌شود و می‌توانید در prompt خود با شماره به آن ارجاع دهید.

خطاهای رایج و روش عیب‌یابی¶

پرسش‌های متداول¶

آیا اسکرین‌شات‌ها باید PNG باشند؟¶

خیر. JPEG، PNG، GIF و WebP همگی پشتیبانی می‌شوند. برای اسکرین‌شات‌های رابط کاربری با متن زیاد، PNG را ترجیح دهید تا فشرده‌سازی اتلافی متن را تار نکند.

آیا تصاویر هزینه اضافی دارند؟¶

تصاویر به‌عنوان توکن‌های ورودی محاسبه می‌شوند و همراه با متن به‌ازای هر توکن صورت‌حساب می‌شوند؛ نرخ‌های هر مدل در qcode.cc/models فهرست شده است. هرچه تصویر بزرگ‌تر باشد، توکن‌های بینایی بیشتری مصرف می‌کند؛ بنابراین پیش از ارسال، آن را برش دهید.

آیا مدل می‌تواند تشخیص دهد چه کسی در تصویر است؟¶

خیر. مستندات Anthropic بیان می‌کند که نمی‌توان از Claude برای نام بردن افراد در تصاویر استفاده کرد و Claude از انجام این کار خودداری می‌کند. توصیف صحنه، خواندن متن و توضیح نمودارها همگی کار می‌کنند.

چند تصویر را می‌توانم هم‌زمان بفرستم؟¶

مستندات Anthropic محدودیت API را 100 تصویر در هر درخواست برای مدل‌هایی با پنجره زمینه 200K توکن و 600 تصویر برای سایر مدل‌ها اعلام می‌کند، اما بالای 20 تصویر محدودیت ابعاد سخت‌گیرانه‌تر می‌شود و ممکن است ابتدا به محدودیت اندازه درخواست برسید. در استفاده روزمره، روی یک یا دو تصویر کلیدی در هر بار تمرکز کنید.

مستندات مرتبط¶

• تولید تصویر با gpt-image-2 — تولید / ویرایش تصویر (نقطه مقابل «خواندن تصاویر» در اینجا)
• انتخاب مدل — مدلی با قابلیت بینایی انتخاب کنید
• نقاط پایانی و قالب‌های API — نقاط پایانی، مسیرهای پروتکل، روش‌های خودآزمایی
• خودکارسازی و CI/CD — تغذیه دسته‌ای تصاویر در اسکریپت‌ها

با یک کلید API واحد QCode.cc، از مدل‌های بینایی Claude و توان چندوجهی GPT-5.x بهره‌مند شوید، با سهمیه‌ای که میان همه نقاط پایانی مشترک است. مشاهده پلن‌ها و قیمت‌گذاری →

سازمانی ←