MessagesArbeiten mit Dateien

PDF-Unterstützung

Verarbeite PDFs mit Claude: extrahiere Text, analysiere Diagramme und verstehe visuelle Inhalte aus deinen Dokumenten.

Du kannst Claude zu beliebigen Texten, Bildern, Diagrammen und Tabellen in PDFs befragen, die du bereitstellst. Einige Beispielanwendungsfälle:

Analyse von Finanzberichten und Verständnis von Diagrammen/Tabellen
Extraktion wichtiger Informationen aus juristischen Dokumenten
Unterstützung bei der Dokumentenübersetzung
Umwandlung von Dokumentinformationen in strukturierte Formate

Bevor du beginnst

PDF-Anforderungen prüfen

Claude funktioniert mit jedem Standard-PDF. Stelle sicher, dass deine Anfragegröße diese Anforderungen erfüllt:

Anforderung	Limit
Maximale Anfragegröße	32 MB (variiert je nach Plattform)
Maximale Seiten pro Anfrage	600 (100, wenn das Kontextfenster der Anfrage unter 1 Mio. Token liegt)
Format	Standard-PDF (keine Passwörter/Verschlüsselung)

Beide Limits beziehen sich auf die gesamte Anfrage-Payload, einschließlich aller anderen Inhalte, die zusammen mit PDFs gesendet werden. Für große PDFs solltest du das Hochladen über die Files API in Betracht ziehen und per file_id referenzieren, um die Anfrage-Payloads klein zu halten.

Da die PDF-Unterstützung auf Claudes Vision-Fähigkeiten basiert, unterliegt sie denselben Einschränkungen und Überlegungen wie andere Vision-Aufgaben.

Unterstützte Plattformen und Modelle

Alle aktiven Modelle unterstützen die PDF-Verarbeitung. Für PDF-Unterstützung über die Converse API von Amazon Bedrock siehe Amazon Bedrock PDF-Unterstützung.

Amazon Bedrock PDF-Unterstützung

Bei der Verwendung der PDF-Unterstützung über die Converse API, Teil von Claude auf Amazon Bedrock (Opus 4.6 und früher), gibt es zwei unterschiedliche Dokumentverarbeitungsmodi:

Dokumentverarbeitungsmodi

Converse Document Chat (Ursprünglicher Modus – nur Textextraktion)
- Bietet grundlegende Textextraktion aus PDFs
- Kann keine Bilder, Diagramme oder visuellen Layouts innerhalb von PDFs analysieren
- Verwendet etwa 1.000 Token für ein 3-seitiges PDF
- Wird automatisch verwendet, wenn Zitationen nicht aktiviert sind
Claude PDF Chat (Neuer Modus – vollständiges visuelles Verständnis)
- Bietet vollständige visuelle Analyse von PDFs
- Kann Diagramme, Grafiken, Bilder und visuelle Layouts verstehen und analysieren
- Verarbeitet jede Seite sowohl als Text als auch als Bild für ein umfassendes Verständnis
- Verwendet etwa 7.000 Token für ein 3-seitiges PDF
- Erfordert aktivierte Zitationen in der Converse API

Wichtige Einschränkungen

Converse API: Die visuelle PDF-Analyse erfordert aktivierte Zitationen. Es gibt derzeit keine Option, die visuelle Analyse ohne Zitationen zu verwenden (anders als bei der InvokeModel API).
InvokeModel API: Bietet vollständige Kontrolle über die PDF-Verarbeitung ohne erzwungene Zitationen.

Häufige Probleme

Wenn Claude bei Verwendung der Converse API keine Bilder oder Diagramme in deinen PDFs sieht, musst du wahrscheinlich das Zitationen-Flag aktivieren. Ohne dieses Flag greift Converse nur auf die grundlegende Textextraktion zurück.

PDFs mit Claude verarbeiten

Sende deine erste PDF-Anfrage

Beginne mit einem einfachen Beispiel unter Verwendung der Messages API. Du kannst Claude PDFs auf drei Arten bereitstellen:

Als URL-Referenz auf ein online gehostetes PDF
Als base64-kodiertes PDF in document-Inhaltsblöcken
Über eine file_id aus der Files API

Option 1: URL-basiertes PDF-Dokument

Der einfachste Ansatz ist, ein PDF direkt über eine URL zu referenzieren:

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "url",
                        "url": "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf",
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Die Antwort gibt Claudes Analyse als Textblöcke in content zurück, mit dem Token-Verbrauch in usage:

Output

{
  "id": "msg_01Hfp8YuFjQ55VgWbpdHDehB",
  "type": "message",
  "role": "assistant",
  "model": "claude-opus-5",
  "content": [
    {
      "type": "text",
      "text": "This document is an addendum to the Claude 3 model card, reporting updated evaluation results. The key findings include..."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 45000,
    "output_tokens": 300
  }
}

Option 2: Base64-kodiertes PDF-Dokument

Wenn du PDFs von deinem lokalen System senden musst oder wenn keine URL verfügbar ist:

import base64
import httpx

# Lade und kodiere zuerst das PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Alternative: Lade aus einer lokalen Datei
# with open("document.pdf", "rb") as f:
#     pdf_data = base64.standard_b64encode(f.read()).decode("utf-8")

# Sende an Claude mit Base64-Kodierung
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Option 3: Files API

Für PDFs, die du wiederholt verwenden wirst, oder wenn du den Kodierungsaufwand vermeiden möchtest, verwende die Files API (Beta):

client = anthropic.Anthropic()

# Lade die PDF-Datei hoch
with open("/path/to/document.pdf", "rb") as f:
    file_upload = client.beta.files.upload(file=("document.pdf", f, "application/pdf"))

# Verwende die hochgeladene Datei in einer Nachricht
message = client.beta.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    betas=["files-api-2025-04-14"],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Wie die PDF-Unterstützung funktioniert

Wenn du ein PDF an Claude sendest, laufen die folgenden Schritte ab:

Das System extrahiert die Inhalte des Dokuments.
- Das System konvertiert jede Seite des Dokuments in ein Bild.
- Der Text jeder Seite wird extrahiert und zusammen mit dem Bild der jeweiligen Seite bereitgestellt.
Claude analysiert sowohl den Text als auch die Bilder, um das Dokument besser zu verstehen.
- Dokumente werden als Kombination aus Text und Bildern zur Analyse bereitgestellt.
- Dies ermöglicht es Nutzern, nach Erkenntnissen zu visuellen Elementen eines PDFs zu fragen, wie Diagrammen, Schaubildern und anderen nicht-textuellen Inhalten.
Claude antwortet und verweist dabei auf die Inhalte des PDFs, falls relevant.
Claude kann bei seiner Antwort sowohl auf textuelle als auch auf visuelle Inhalte verweisen. Du kannst die Leistung weiter verbessern, indem du die PDF-Unterstützung kombinierst mit:
- Prompt-Caching verwenden: Um die Leistung bei wiederholter Analyse zu verbessern.
- Dokument-Batches verarbeiten: Für die Dokumentverarbeitung mit hohem Volumen.
- Tool-Nutzung: Um spezifische Informationen aus Dokumenten zur Verwendung als Tool-Eingaben zu extrahieren.

Schätze deine Kosten

Die Token-Anzahl einer PDF-Datei hängt vom gesamten aus dem Dokument extrahierten Text und der Anzahl der Seiten ab:

Text-Token-Kosten: Jede Seite verwendet typischerweise 1.500–3.000 Token pro Seite, abhängig von der Inhaltsdichte. Es gelten die Standard-API-Preise ohne zusätzliche PDF-Gebühren.
Bild-Token-Kosten: Da jede Seite in ein Bild konvertiert wird, werden dieselben bildbasierten Kostenberechnungen angewendet.

Du kannst Token-Zählung verwenden, um die Kosten für deine spezifischen PDFs zu schätzen.

PDF-Verarbeitung optimieren

Leistung verbessern

Befolge diese Best Practices für optimale Ergebnisse:

Platziere PDFs vor dem Text in deinen Anfragen
Verwende Standardschriftarten
Stelle sicher, dass der Text klar und lesbar ist
Drehe Seiten in die korrekte aufrechte Ausrichtung
Verwende logische Seitenzahlen (aus dem PDF-Viewer) in Prompts
Teile große PDFs bei Bedarf in Abschnitte auf
Aktiviere Prompt-Caching für wiederholte Analysen

Skaliere deine Implementierung

Für die Verarbeitung mit hohem Volumen solltest du diese Ansätze in Betracht ziehen:

Prompt-Caching verwenden

Cache PDFs mit Prompt-Caching, um die Leistung bei wiederholten Abfragen zu verbessern:

import base64
import httpx

# Lade und kodiere zuerst das PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Erstelle eine Nachricht mit dem gecachten Dokument
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "text",
                    "text": "Which model has the highest human preference win rates across each use-case?",
                },
            ],
        }
    ],
)

print(message.content)

Dokument-Batches verarbeiten

Verwende die Message Batches API, um viele PDFs in einer Anfrage zu verarbeiten:

import base64
import httpx

# Lade und kodiere zuerst das PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Erstelle einen Batch von Anfragen, die das Dokument verwenden
client = anthropic.Anthropic()
message_batch = client.messages.batches.create(
    requests=[
        {
            "custom_id": "my-first-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Which model has the highest human preference win rates across each use-case?",
                            },
                        ],
                    }
                ],
            },
        },
        {
            "custom_id": "my-second-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Extract 5 key insights from this document.",
                            },
                        ],
                    }
                ],
            },
        },
    ]
)

print(message_batch)

Batches werden asynchron verarbeitet. Um den Fortschritt zu überprüfen und Ergebnisse nach Abschluss der Verarbeitung abzurufen, siehe Batch-Verarbeitung.

Nächste Schritte

Vision

Claudes Vision-Fähigkeiten ermöglichen es, Bilder zu verstehen und zu analysieren, was spannende Möglichkeiten für multimodale Interaktion eröffnet.

PDF-Beispiele ausprobieren

Erkunde praktische Beispiele zur PDF-Verarbeitung im Claude Cookbook-Rezept.

API-Referenz ansehen

Siehe die vollständige API-Dokumentation zur PDF-Unterstützung.

Compatibility

Supported platforms	Claude API Claude Platform on AWS Amazon Bedrock Google Cloud Microsoft Foundry

Was this page helpful?

MessagesArbeiten mit Dateien

PDF-Unterstützung

Verarbeite PDFs mit Claude: extrahiere Text, analysiere Diagramme und verstehe visuelle Inhalte aus deinen Dokumenten.

Du kannst Claude zu beliebigen Texten, Bildern, Diagrammen und Tabellen in PDFs befragen, die du bereitstellst. Einige Beispielanwendungsfälle:

Analyse von Finanzberichten und Verständnis von Diagrammen/Tabellen
Extraktion wichtiger Informationen aus juristischen Dokumenten
Unterstützung bei der Dokumentenübersetzung
Umwandlung von Dokumentinformationen in strukturierte Formate

Bevor du beginnst

PDF-Anforderungen prüfen

Claude funktioniert mit jedem Standard-PDF. Stelle sicher, dass deine Anfragegröße diese Anforderungen erfüllt:

Anforderung	Limit
Maximale Anfragegröße	32 MB (variiert je nach Plattform)
Maximale Seiten pro Anfrage	600 (100, wenn das Kontextfenster der Anfrage unter 1 Mio. Token liegt)
Format	Standard-PDF (keine Passwörter/Verschlüsselung)

Da die PDF-Unterstützung auf Claudes Vision-Fähigkeiten basiert, unterliegt sie denselben Einschränkungen und Überlegungen wie andere Vision-Aufgaben.

Unterstützte Plattformen und Modelle

Alle aktiven Modelle unterstützen die PDF-Verarbeitung. Für PDF-Unterstützung über die Converse API von Amazon Bedrock siehe Amazon Bedrock PDF-Unterstützung.

Amazon Bedrock PDF-Unterstützung

Bei der Verwendung der PDF-Unterstützung über die Converse API, Teil von Claude auf Amazon Bedrock (Opus 4.6 und früher), gibt es zwei unterschiedliche Dokumentverarbeitungsmodi:

Dokumentverarbeitungsmodi

Converse Document Chat (Ursprünglicher Modus – nur Textextraktion)
- Bietet grundlegende Textextraktion aus PDFs
- Kann keine Bilder, Diagramme oder visuellen Layouts innerhalb von PDFs analysieren
- Verwendet etwa 1.000 Token für ein 3-seitiges PDF
- Wird automatisch verwendet, wenn Zitationen nicht aktiviert sind
Claude PDF Chat (Neuer Modus – vollständiges visuelles Verständnis)
- Bietet vollständige visuelle Analyse von PDFs
- Kann Diagramme, Grafiken, Bilder und visuelle Layouts verstehen und analysieren
- Verarbeitet jede Seite sowohl als Text als auch als Bild für ein umfassendes Verständnis
- Verwendet etwa 7.000 Token für ein 3-seitiges PDF
- Erfordert aktivierte Zitationen in der Converse API

Wichtige Einschränkungen

Converse API: Die visuelle PDF-Analyse erfordert aktivierte Zitationen. Es gibt derzeit keine Option, die visuelle Analyse ohne Zitationen zu verwenden (anders als bei der InvokeModel API).
InvokeModel API: Bietet vollständige Kontrolle über die PDF-Verarbeitung ohne erzwungene Zitationen.

Häufige Probleme

PDFs mit Claude verarbeiten

Sende deine erste PDF-Anfrage

Beginne mit einem einfachen Beispiel unter Verwendung der Messages API. Du kannst Claude PDFs auf drei Arten bereitstellen:

Als URL-Referenz auf ein online gehostetes PDF
Als base64-kodiertes PDF in document-Inhaltsblöcken
Über eine file_id aus der Files API

Option 1: URL-basiertes PDF-Dokument

Der einfachste Ansatz ist, ein PDF direkt über eine URL zu referenzieren:

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "url",
                        "url": "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf",
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Die Antwort gibt Claudes Analyse als Textblöcke in content zurück, mit dem Token-Verbrauch in usage:

Output

{
  "id": "msg_01Hfp8YuFjQ55VgWbpdHDehB",
  "type": "message",
  "role": "assistant",
  "model": "claude-opus-5",
  "content": [
    {
      "type": "text",
      "text": "This document is an addendum to the Claude 3 model card, reporting updated evaluation results. The key findings include..."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 45000,
    "output_tokens": 300
  }
}

Option 2: Base64-kodiertes PDF-Dokument

Wenn du PDFs von deinem lokalen System senden musst oder wenn keine URL verfügbar ist:

import base64
import httpx

# Lade und kodiere zuerst das PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Alternative: Lade aus einer lokalen Datei
# with open("document.pdf", "rb") as f:
#     pdf_data = base64.standard_b64encode(f.read()).decode("utf-8")

# Sende an Claude mit Base64-Kodierung
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Option 3: Files API

Für PDFs, die du wiederholt verwenden wirst, oder wenn du den Kodierungsaufwand vermeiden möchtest, verwende die Files API (Beta):

client = anthropic.Anthropic()

# Lade die PDF-Datei hoch
with open("/path/to/document.pdf", "rb") as f:
    file_upload = client.beta.files.upload(file=("document.pdf", f, "application/pdf"))

# Verwende die hochgeladene Datei in einer Nachricht
message = client.beta.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    betas=["files-api-2025-04-14"],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

Wie die PDF-Unterstützung funktioniert

Wenn du ein PDF an Claude sendest, laufen die folgenden Schritte ab:

Das System extrahiert die Inhalte des Dokuments.
- Das System konvertiert jede Seite des Dokuments in ein Bild.
- Der Text jeder Seite wird extrahiert und zusammen mit dem Bild der jeweiligen Seite bereitgestellt.
Claude analysiert sowohl den Text als auch die Bilder, um das Dokument besser zu verstehen.
- Dokumente werden als Kombination aus Text und Bildern zur Analyse bereitgestellt.
- Dies ermöglicht es Nutzern, nach Erkenntnissen zu visuellen Elementen eines PDFs zu fragen, wie Diagrammen, Schaubildern und anderen nicht-textuellen Inhalten.
Claude antwortet und verweist dabei auf die Inhalte des PDFs, falls relevant.
Claude kann bei seiner Antwort sowohl auf textuelle als auch auf visuelle Inhalte verweisen. Du kannst die Leistung weiter verbessern, indem du die PDF-Unterstützung kombinierst mit:
- Prompt-Caching verwenden: Um die Leistung bei wiederholter Analyse zu verbessern.
- Dokument-Batches verarbeiten: Für die Dokumentverarbeitung mit hohem Volumen.
- Tool-Nutzung: Um spezifische Informationen aus Dokumenten zur Verwendung als Tool-Eingaben zu extrahieren.

Schätze deine Kosten

Die Token-Anzahl einer PDF-Datei hängt vom gesamten aus dem Dokument extrahierten Text und der Anzahl der Seiten ab:

Text-Token-Kosten: Jede Seite verwendet typischerweise 1.500–3.000 Token pro Seite, abhängig von der Inhaltsdichte. Es gelten die Standard-API-Preise ohne zusätzliche PDF-Gebühren.
Bild-Token-Kosten: Da jede Seite in ein Bild konvertiert wird, werden dieselben bildbasierten Kostenberechnungen angewendet.

Du kannst Token-Zählung verwenden, um die Kosten für deine spezifischen PDFs zu schätzen.

PDF-Verarbeitung optimieren

Leistung verbessern

Befolge diese Best Practices für optimale Ergebnisse:

Platziere PDFs vor dem Text in deinen Anfragen
Verwende Standardschriftarten
Stelle sicher, dass der Text klar und lesbar ist
Drehe Seiten in die korrekte aufrechte Ausrichtung
Verwende logische Seitenzahlen (aus dem PDF-Viewer) in Prompts
Teile große PDFs bei Bedarf in Abschnitte auf
Aktiviere Prompt-Caching für wiederholte Analysen

Skaliere deine Implementierung

Für die Verarbeitung mit hohem Volumen solltest du diese Ansätze in Betracht ziehen:

Prompt-Caching verwenden

Cache PDFs mit Prompt-Caching, um die Leistung bei wiederholten Abfragen zu verbessern:

import base64
import httpx

# Lade und kodiere zuerst das PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Erstelle eine Nachricht mit dem gecachten Dokument
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "text",
                    "text": "Which model has the highest human preference win rates across each use-case?",
                },
            ],
        }
    ],
)

print(message.content)

Dokument-Batches verarbeiten

Verwende die Message Batches API, um viele PDFs in einer Anfrage zu verarbeiten:

import base64
import httpx

# Lade und kodiere zuerst das PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# Erstelle einen Batch von Anfragen, die das Dokument verwenden
client = anthropic.Anthropic()
message_batch = client.messages.batches.create(
    requests=[
        {
            "custom_id": "my-first-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Which model has the highest human preference win rates across each use-case?",
                            },
                        ],
                    }
                ],
            },
        },
        {
            "custom_id": "my-second-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Extract 5 key insights from this document.",
                            },
                        ],
                    }
                ],
            },
        },
    ]
)

print(message_batch)

Batches werden asynchron verarbeitet. Um den Fortschritt zu überprüfen und Ergebnisse nach Abschluss der Verarbeitung abzurufen, siehe Batch-Verarbeitung.

Nächste Schritte

Vision

Claudes Vision-Fähigkeiten ermöglichen es, Bilder zu verstehen und zu analysieren, was spannende Möglichkeiten für multimodale Interaktion eröffnet.

PDF-Beispiele ausprobieren

Erkunde praktische Beispiele zur PDF-Verarbeitung im Claude Cookbook-Rezept.

API-Referenz ansehen

Siehe die vollständige API-Dokumentation zur PDF-Unterstützung.

Compatibility

Supported platforms	Claude API Claude Platform on AWS Amazon Bedrock Google Cloud Microsoft Foundry

Was this page helpful?

Bevor du beginnst

PDF-Anforderungen prüfen

Unterstützte Plattformen und Modelle

Amazon Bedrock PDF-Unterstützung

Dokumentverarbeitungsmodi

Wichtige Einschränkungen

Häufige Probleme

PDFs mit Claude verarbeiten

Sende deine erste PDF-Anfrage

Option 1: URL-basiertes PDF-Dokument

Option 2: Base64-kodiertes PDF-Dokument

Option 3: Files API

Wie die PDF-Unterstützung funktioniert

Schätze deine Kosten

PDF-Verarbeitung optimieren

Leistung verbessern

Skaliere deine Implementierung

Prompt-Caching verwenden

Dokument-Batches verarbeiten

Nächste Schritte

Compatibility

Bevor du beginnst

PDF-Anforderungen prüfen

Unterstützte Plattformen und Modelle

Amazon Bedrock PDF-Unterstützung

Dokumentverarbeitungsmodi

Wichtige Einschränkungen

Häufige Probleme

PDFs mit Claude verarbeiten

Sende deine erste PDF-Anfrage

Option 1: URL-basiertes PDF-Dokument

Option 2: Base64-kodiertes PDF-Dokument

Option 3: Files API

Wie die PDF-Unterstützung funktioniert

Schätze deine Kosten

PDF-Verarbeitung optimieren

Leistung verbessern

Skaliere deine Implementierung

Prompt-Caching verwenden

Dokument-Batches verarbeiten

Nächste Schritte

Compatibility

Bevor du beginnst

PDF-Anforderungen prüfen

Unterstützte Plattformen und Modelle

Amazon Bedrock PDF-Unterstützung

Dokumentverarbeitungsmodi

Wichtige Einschränkungen

Häufige Probleme

PDFs mit Claude verarbeiten

Sende deine erste PDF-Anfrage

Option 1: URL-basiertes PDF-Dokument

Option 2: Base64-kodiertes PDF-Dokument

Option 3: Files API

Wie die PDF-Unterstützung funktioniert

Schätze deine Kosten

PDF-Verarbeitung optimieren

Leistung verbessern

Skaliere deine Implementierung

Prompt-Caching verwenden

Dokument-Batches verarbeiten

Nächste Schritte

Bevor du beginnst

PDF-Anforderungen prüfen

Unterstützte Plattformen und Modelle

Amazon Bedrock PDF-Unterstützung

Dokumentverarbeitungsmodi

Wichtige Einschränkungen

Häufige Probleme

PDFs mit Claude verarbeiten

Sende deine erste PDF-Anfrage

Option 1: URL-basiertes PDF-Dokument

Option 2: Base64-kodiertes PDF-Dokument

Option 3: Files API

Wie die PDF-Unterstützung funktioniert

Schätze deine Kosten

PDF-Verarbeitung optimieren

Leistung verbessern

Skaliere deine Implementierung

Prompt-Caching verwenden

Dokument-Batches verarbeiten

Nächste Schritte