火山引擎视觉理解模型支持多图输入与图文混合提问，可直接回答“这两张图哪里不一样”，需确保图片为JPG/PNG格式、分辨率≥320×240、单张Base64≤10MB，并用列表传入两个独立base64字符串及明确比对指令。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在业务中自动识别两张图片的细微差异，比如电商主图换背景后是否残留原水印、设计稿A/B版本间按钮位置偏移、或质检场景下产品包装印刷色差——火山引擎视觉理解模型支持多图输入与图文混合提问，能直接回答“这两张图哪里不一样”。
准备待比对的两张图片
确保两张图均为JPG/PNG格式，分辨率不低于320×240；若为截图或手机拍摄图，需保持画面主体清晰、无严重畸变或反光遮挡。
将两张图片分别保存为本地文件，例如img_a.jpg和img_b.png；注意不要重命名成相同文件名，否则SDK读取时可能覆盖或报错。
【必须校验图片大小】单张图Base64编码后不得超过10 MB（约对应原始PNG 15 MB或JPG 25 MB），超限会导致请求直接被拒绝且不返回错误详情。
用Python SDK发起多图对比请求
方法一：使用volcenginesdkllmshield调用ModerateV2接口
第一步：安装SDK并加载图片内容
运行pip install volcenginesdkllmshield==4.0.17；确认版本≥4.0.17，旧版本不支持多图content数组传入。
第二步：构造双图Base64数组
不要拼接成一张图再传——模型无法从单图里区分“左半边vs右半边”；必须用列表形式传入两个独立base64字符串，顺序即为提问中“第一张”“第二张”的指代依据。
第三步：构建带明确指令的message.content
在content字段中直接写自然语言问题，例如：“请逐项指出图1和图2在文字内容、按钮位置、背景颜色、Logo尺寸四个维度上的所有差异，并用中文分点回答”，避免只写“对比两张图”这种模糊指令。
控制台快速验证（免代码）
登录火山引擎控制台→进入「火山方舟」→选择已部署的视觉理解模型（如Doubao-Seedream-4.5）→点击「在线调试」。
在请求体JSON中，将message.content设为数组：[{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}},{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}},{"type":"text","text":"请指出这两张图在商品标签、价格显示、边框粗细上的全部差异"}]。
注意：URL字段必须是data:image/xxx;base64,...开头的内联Base64，不能填公网HTTP链接——控制台调试不支持远程拉图。
解析返回结果的关键字段
成功响应后，重点查看response.choices[0].message.content中的纯文本答案，它已是结构化中文描述，无需额外NLP解析。
若返回中含"finish_reason": "length"，说明答案被截断，此时需在提问末尾追加“请务必完整列出，不要省略任何一项”，强制模型输出全量比对项。
该步骤完成后立即结束。
