什么是识图分辨率档位？视觉模型的清晰度选项

把同一张购物小票发给大模型两次：一次让它「看看买了啥」，一次让它「念出小票末尾的编号」，后者经常答错。问题多半不在模型笨，而在识图分辨率档位——模型看图时的「清晰度设置」，档位低的时候，小字在它眼里就是一团模糊色块。

类比手机相机的像素模式：拍风景用标准模式够用，拍文档要开高清。视觉模型看图也有类似的档位，档位越高，模型把图切得越细、看得越清。

类比失效点：相机像素高总是好事，档位却未必——分辨率越高，折算出的消耗和等待时间同步上涨，很多任务开高档纯属浪费。学会判断该开哪档，比无脑拉满更划算。

档位在技术上是怎么实现的

常见做法是把图片缩放到固定尺寸再切块处理：低档位切块少，每块覆盖范围大但细节少；高档位切块多，能保住小字和细线条。可以理解为模型在用不同倍率的放大镜看图，倍率越高，看到的细节越密。

关键判断：识别对象的大小决定档位。读整页文档里的小字、表格数字、手写批注，值得开高档；判断「图里是猫还是狗」这类粗任务，默认档足够。

什么任务值得开高档

三类任务对档位敏感：一是文字密集的截图和扫描件，小字认错一个数字，结论就跟着错；二是图表读数，坐标轴刻度和数据标签都靠细节；三是长图和多页拼接图，低档位容易把两行看成一行。反之，看图写文案、描述风景照片这类任务，高档位带来的收益很小。

实际用豆包或腾讯元宝读截图时可以做个小实验：同一张图换不同清晰度重发一次，对比回答，你会对档位的差别建立起直觉。产品是否开放这个选项，以各产品当前版本为准。

档位和消耗的关系要一起看

档位拉高，切块变多，折算出的消耗随之上涨，长对话里连发几张高清图就可能把上下文窗口挤满。「看不清」和「太贵了」是一对需要权衡的量，得按任务挑。

顺带理清两个容易混的概念：识图分辨率管的是输入图片看得多细；权重精度管的是模型文件里每个参数记多细。前者影响你发什么，后者影响模型本身怎么存。图片消耗怎么算，则看站内多模态 token一文。

拿不到档位选项时怎么办

很多产品不直接暴露档位设置，替代做法是自己预处理：把长截图裁成几段分别发送，比整图硬塞更清晰；关键内容占满画面，比单纯调参数更有效。这些土办法的核心就一条——让模型有限的「视力」花在刀刃上。

挑支持视觉能力的模型时，可以先逛逛模型仓库的详情页，说明文档通常会写清支持的输入尺寸范围，这个页面怎么读懂，站内另有专文。

档位选择对照表

• 读文档、表格、手写字：开高档，细节错了结论跟着错；
• 描述照片内容、看图聊天：默认档即可，高开浪费；
• 长截图：先裁剪分段，比硬拉档位有效；
• 自查一句：先问「我需要模型看清图里的什么」，答案决定档位。

读者对识图分辨率档位的常见疑问

• 档位越高识别就越准吗？：对文字和细节类任务是这样，对粗粒度任务提升有限，反而更慢更贵。
• 为什么我的模型里找不到档位设置？：不少产品把它做成了自动档，按图片尺寸自行决定，是否开放手动调节以各产品说明为准。
• 自己先把图放大有用吗？：用处有限，它放大的只是像素，补不出新细节，裁剪突出关键区域的效果通常更好。