Dikaya Flash で画像を確認する：見えた事実と推測を分ける手順

最小 API サンプル

説明用の Python コードで、実行した回答ではありません。キーは環境変数から読み、自動再試行は無効です。切断時は結果と費用の両方が不明になり得るため、無条件に再送しないでください。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://dikaya.cc/v1",
    api_key=os.environ["DIKAYA_API_KEY"],
    max_retries=0,
)
response = client.chat.completions.create(
    model="seller-flash",
    max_tokens=512,
    messages=[{"role": "user", "content": "私の課題の確認リストを作り、元の事実と仮定を分けてください。"}],
)
print(response.choices[0].message.content)

最初に二つの Flash を区別する

モデル選択欄では表示名だけでなく、公開 ID が seller-flash であることを確かめます。GLM の名前を含む Flash は別項目です。名称の一部が同じでも画像の扱いは異なり、応答時間が一定になるという意味でもありません。Dikaya Flash の基盤モデルはここでは特定されていません。

他のモデルに画像を渡す場合は、別途課金されるテキストブリッジを経由します。画像から作られた説明と原画像は、保持している情報が同一とは限りません。比較を行うなら、どの入力表現を渡したかも記録し、同じ条件で測った結果であるかのように扱わないでください。

点検対象の写真に資料番号を付ける

架空の展示会場を例に、入口の案内を PHOTO-A、拡大した開催日時を PHOTO-B とします。撮影方向、案内原稿の版、反射やぼけの有無も書き添えます。拡大写真だけでは配置を判断できないため、全体写真との対応を示すと、観察と原稿照合を混同せずに進められます。

最初の依頼は改善案ではなく、領域ごとの文字と見える状態の記録に絞ります。関係のない顔や連絡先は送信前に取り除き、有料チャットで受け付ける形式と容量も確認します。モデルのコンテキストが大きいことは、あらゆるファイルを無制限に添付できるという意味ではありません。

読めた文字と読めない文字を別欄にする

日時の一桁が反射で消えているなら、周囲から補わず判読不能と記録します。案内原稿に同じ日付があっても、写真上の表示が正しいと確認したことにはなりません。観察表には領域、読めた文字、原稿の該当箇所、不確かな部分を設け、根拠がどちらの資料か明示します。

写真だけで、実際の読みやすさや通路からの視認性まで確定することはできません。照明、距離、文字寸法などは現場確認に回します。配色の印象を述べることと、コントラストを測定したことも別です。モデルに検査案を作らせても、それを実施済みの検査記録へ書き換えないことが重要です。

原稿との照合は項目ごとに行う

会場名、開催日、開始時刻、受付場所を独立した確認項目にします。各項目について、写真で一致を確認できたのか、原稿にはあるが写真では読めないのかを分けます。全体として問題なさそうという総評だけでは、時刻の一文字違いや受付場所の欠落を見落としたまま採用してしまいます。

矢印の向きが正しいかは、案内先と撮影位置の対応も必要です。画像から分からない条件は追加質問として残します。外部情報が必要なら有料ブラウザーチャットで明示的に検索できますが、検索の断片は現場の証拠ではなく、公開 API に同じ検索機能が付属するわけでもありません。

画像の費用と出力予算を事前に確認する

現在のモデル一覧、料金、アカウント条件を見て、今回の点検に必要な出力上限を設定します。画像ファイルのバイト数から、そのままモデルのトークン消費を計算することはできません。公開料金の設定値と個別の利用条件は分け、別モデルのブリッジ費用も一つの文字料金に埋め込まないようにします。

Python SDK を使う場合は公式資料に従い max_retries=0 で自動再試行を止めます。MDN の Fetch ガイドが説明する HTTP エラー応答と通信エラーは別の状態です。応答を失ったことだけでは処理も費用も発生していないと判断できず、読み取りの中止もその証明にはなりません。

確認できた範囲を残して次の写真へ進む

出力を画像上で確認できた事項、現場測定が必要な事項、原稿担当者への質問に分けます。文字や日時は原画像へ戻って照合し、判読不能な部分だけ撮り直します。モデルが見落とした項目も記録しておくと、次回の依頼に必要な領域や確認項目を具体的に改善できます。

修正版の写真には新しい番号を付け、元の確認項目を引き継ぎます。案内文の修正で矢印が隠れていないかなど、変更箇所以外への影響も見ます。記事からの引き継ぎは下書きのみで、既存の下書きや権限が優先する場合があります。送信前にモデルと資料を自分で確認します。

よくある質問

Dikaya Flash と GLM Flash は同じ画像対応ですか？

いいえ。seller-flash はネイティブ画像対応ですが、seller-glm-5-3-flash は別項目で、画像には別料金のテキストブリッジを使います。名前の Flash だけで選ばず、公開 ID と現在の対応内容を確認してください。片方の観察結果をもう片方の能力証明には使えません。

写真の文字が不鮮明でも前後関係から確定できますか？

推測はできますが、読み取れた事実とは分けます。日時や数量の欠けた一文字を補った場合は、その値を確定データにせず、判読不能として再撮影や原資料の確認へ回します。原稿に値が書いてあっても、写真の表示まで一致した証拠にはなりません。

大きいコンテキストなら写真を何枚でも送れますか？

送れません。モデルの入力範囲とは別に、ブラウザーの添付形式、容量、メッセージ、出力予算、アカウント権限の制約があります。必要な全体写真と拡大写真を選び、現在の文書で条件を確認します。コンテキスト数を未検証の写真枚数へ換算しないでください。

通信が切れたら同じ点検を無料で再送できますか？

通信切断だけでは前回の処理結果や費用は確定しません。明確な HTTP 拒否と、確認を受け取れなかった状態を区別し、既存記録を確かめます。SDK の自動再試行は止め、公開 API に文書化されていない冪等性や無料再送の保証を想定しないでください。

出典

AIの支援を受けて作成した記事です。例は説明用であり、実際のモデル回答や比較試験の記録ではありません。外部資料はサービスの利用条件に代わるものではありません。

• Dikaya 日本語ドキュメント：接続とリクエストの条件
  dikaya.cc
• Dikaya 日本語モデル一覧：公開識別子と対応内容
  dikaya.cc
• Dikaya 日本語料金案内：設定上の料金と利用条件
  dikaya.cc
• OpenAI Python SDK 公式資料：自動再試行の設定
  github.com
• MDN Fetch ガイド：HTTP 応答と通信エラーの区別
  developer.mozilla.org