OpenAI API 支援直接輸入 PDF：gpt-4o 與 o1 可原生讀文件

以往讓大模型看 PDF，開發者往往得先在本地折騰一圈文件解析，或者把頁面轉成圖片再塞進介面。

OpenAI 開發者賬號在 X 上宣佈，Responses 和 Chat Completions API 已經支援直接輸入 PDF 檔案。開發者可以直接把 PDF 送給 o1、gpt-4o 以及 gpt-4o-mini，讓模型結合檔案上下文生成文本。

扔掉繁瑣的預處理步驟

這次更新最直接的變化，就是省掉了中間的資料清洗環節。

過去要把 PDF 餵給 API，開發者要麼自己搭一套基於 Python 庫的文本提取流程，要麼得靠第三方文件解析服務。遇到帶排版、帶圖表的報告，經常還要轉成高解析度圖片走視覺介面。

現在 OpenAI 把檔案直接作為輸入引數放進 API 文件指南中，開發者少寫很多膠水程式碼，就能把財報、論文或長合同直接扔給模型去總結和推理。

為什麼重要

對開發者來說，這直接降低了做文件問答和自動化工作流的門檻。如果你之前因為處理 PDF 解析報錯而頭疼，現在很值得換成官方的原生輸入試一試，程式碼量會少一大截。

對行業而言，看起來 OpenAI 正在把越來越多原本屬於外圍工具鏈的髒活累活收進自己的 API 裡。這給專門做文件提取、輕量 RAG 預處理的中間層工具帶來了不小的擠壓。

我們認為這一步做得很實用，但開發者也需要留意細節。文件被 API 接收後底層如何切片、計費規則和 token 消耗怎麼算，都需要仔細對照官方文件測一下，特別是面對複雜表格和掃描件時，原生處理的效果依然需要在實際業務裡跑一跑才能下結論。