跳转到主要内容

​
简短回答

很可能是。GPT 系列识图按 32×32 像素的图块计算，图片越大，图块越多。单张图超过约 3000 万像素（例如 6700×4500）时，部分线路会直接拒绝；超过约 6000 万像素时，高峰期往往会排队几分钟后才拒绝，客户端先等到超时，看上去就像「一直没响应」。 这类失败是确定性的，重试、换 Key 都不会成功。上传前把图片长边缩到 2048 像素左右即可，识别效果不变，输入 tokens 还会降到原来的几十分之一。

​
三种典型现象

同一张超大图，在不同线路、不同时段，表现可能是下面任意一种：
看到 429 不要马上加大重试。先看报错正文：如果是 maximum usage size 或 patches，问题出在请求本身太大，重试只会继续占用并发、继续等待。

​
实测：图片尺寸与结果

2026-10-20 用 gpt-6.1-sol 测了同一张图的不同尺寸（JPEG，通过 OpenAI 兼容 chat 的 image_url 以 Base64 上传）： 从结果可以看出：
  • tokens 随像素线性增长，大约是「像素数 ÷ 1024 × 1.2」。9000×6000 的图比 2048 的图多花约 19 倍 tokens，识别结果却完全一样。
  • 能不能通过，与线路和时段有关。上表是在非高峰时段、单条线路上测得的；另一条线路对单图有 30000 图块（约 3000 万像素）的硬上限，高峰期的门槛也会更低。
  • 所以不要把「实测能过」当成安全上限。识图场景把长边控制在 2048 像素就足够。

​
怎么判断是不是图片太大

1

看请求体大小

Base64 编码会让体积膨胀约 1.33 倍。请求体达到几 MB 甚至十几 MB，基本可以判定图片没有缩放过。
2

看报错正文

搜索 patches、maximum usage size、image exceeds 这几个关键词。命中任何一个，都是图片太大。
3

用缩小后的图对照

把同一张图缩到长边 2048 再发一次。如果几秒内就返回，说明问题出在图片尺寸，而不是模型或网络。

​
解决方法：上传前缩放

把返回值填进 image_url.url 即可。缩放后一张图通常只有几百 KB，几秒内就能返回。
需要识别极小的文字（例如整页扫描件里的脚注）时，与其上传一张超大原图，不如把页面裁成几块分别上传，或者先裁出需要识别的区域。这样每张图都在安全范围内，识别效果反而更好。

​
常见问题

多数人上传的是截图或手机照片，缩放后只有几百万像素。只有上传几千万像素的原图时，才会触发单请求用量上限，所以同一时段其他人不受影响。
被原厂拒绝的请求（429、400）不会产生消费记录，可以在调用日志里确认。
不能。超时调长只是等到原厂返回拒绝，最终结果还是失败。正确做法是缩图。
有，只是规则不同：Claude 单图超过 10MB 直接拒绝（同样返回 429），Kimi 单图超过 16384 tokens 报错，Seed 总像素上限为 3600 万，Gemini 会自动缩小。详见图像理解的「大图先缩放」一节。

​
相关文档

图像理解

各模型识图写法、大图处理与实测结果

模型调用报错怎么排查？

按错误类型定位问题

如何避免接口超时？

配置 timeout 与长请求排查

API 可以开多少并发？

区分真正的并发限流与其他 429