OpenRouter、画像認識 LLM への API 送信ガイドを公開

記事の3ポイント

1. 1

   標準化されたリクエスト構造

   画像入力時は content フィールドが配列となり、テキストパートと image_url パートを同時に含む形式に統一されるため、モデル変更時に実装を変更する必要がない。

2. 2

   用途に応じたモデルの選択

   OCR 処理に特化したモデル、UI スクリーンショットの認識に適したモデル、チャート分析に強いモデルなど、入力形状は共通のまま目的に応じて最適なモデルを切り替え可能である。

3. 3

   実装と運用のガイドライン

   公開 URL と Base64 形式の使い分け、マルチモーダル RAG パイプラインの構築方法、および本番環境における実用的な制限事項について具体的な指針が示されている。