AI yang bisa menganalisis gambar gratis: ChatGPT 3 per hari, Claude dan Copilot 20 per chat

AI mana yang bisa menganalisis gambar gratis, dan berapa banyak?

Batas ukuran berbeda lebih jauh lagi daripada batas jumlahnya, dari 20 MB per gambar di ChatGPT sampai 500 MB per file di Claude. Setiap baris di bawah berasal dari halaman bantuan resmi vendor, dibaca pada 12 Oktober 2026.

ChatGPT yang paling ketat. FAQ unggahan file dari OpenAI menyebut "Free users are limited to 3 file uploads per day", dan foto dihitung sebagai unggahan file biasa. Batas umumnya 80 file setiap 3 jam, dan OpenAI menyatakan batas ini bisa diturunkan pada jam sibuk.

Claude dan Copilot paling longgar. Artikel unggahan dari Anthropic membolehkan 20 file per chat dan gambar hingga 8.000 kali 8.000 piksel. Halaman unggahan Copilot dari Microsoft juga membolehkan 20 file per percakapan, masing-masing sampai 50 MB, dan menyebut layanan ini mencakup Copilot Chat gratis. Gemini menerima 10 file dalam satu prompt dan sampai 100 MB per file. Halaman unggahan Gemini dari Google menambahkan "batas bergulir" untuk jumlah yang bisa dianalisis, tanpa menyebut angkanya.

Bagaimana membuat AI menganalisis gambar dan menjawab pertanyaan?

Lampirkan gambarnya, lalu ajukan satu pertanyaan yang spesifik. Pertanyaan kosong seperti "ini apa" hanya dijawab dengan keterangan gambar yang kosong pula.

1. Buka ChatGPT, Gemini, Claude, atau Copilot, lalu klik tanda + atau ikon klip kertas di kotak pesan. Claude juga membolehkan Anda menyeret file atau menempel tangkapan layar dari clipboard.
2. Potong gambar hanya pada bagian yang ingin Anda tanyakan. Anthropic menyarankan gambar minimal 1.000 kali 1.000 piksel, dan OpenAI meminta Anda memperbesar teks kecil di dalam gambar.
3. Beri pertanyaan itu tugas: apa yang dibaca, apa yang dibandingkan, atau apa yang diperiksa.
4. Minta model menyebutkan apa yang ia lihat sebelum menyimpulkan apa pun.
5. Periksa sendiri setiap hitungan, total, dan nama terhadap gambarnya.

Lima prompt ini mencakup sebagian besar gambar yang biasa diunggah orang. Isi bagian dalam tanda kurung siku.

Baca teks: "Salin setiap kata di gambar ini persis seperti tertulis, baris demi baris. Tandai apa pun yang tidak terbaca dengan [tidak jelas], jangan menebak."

Baca grafik: "Ubah grafik ini menjadi tabel dengan satu baris per titik data. Sebutkan label sumbu dan satuannya. Jelaskan nilai mana yang tercetak di grafik dan mana yang Anda perkirakan dari garis kisi."

Perbaiki error: "Ini tangkapan layar sebuah error. Kutip teks errornya, sebutkan aplikasi yang menampilkannya, dan berikan tiga perbaikan yang paling mungkin secara berurutan."

Cari perbedaan: "Kedua foto ini menunjukkan [ruangan, produk, dokumen] yang sama. Sebutkan semua perbedaan yang terlihat dan letaknya di tiap gambar."

Kenali sesuatu: "Apa ini, [tanaman, suku cadang, hidangan]? Berikan tebakan terbaik, dua alternatif, dan ciri terlihat yang membedakannya."

Kalimat terakhir di tiap prompt yang paling berperan. Meminta bukti yang terlihat lebih dulu mencegah model langsung melompat ke jawaban, dan panduan AI multimodal kami membangun seluruh alur kerja dari kebiasaan itu.

Apa yang tidak bisa dilihat AI di dalam gambar?

AI tidak bisa membaca metadata foto, dan ia sering menebak saat menghitung. Panduan visi dari OpenAI mencantumkan 11 keterbatasan per Oktober 2026. Sebagian besar berlaku untuk chatbot mana pun yang Anda coba:

• Ia tidak memproses nama file atau metadata, jadi tanggal dan lokasi GPS yang disimpan kamera Anda tidak terbaca.
• Ia "mungkin memberi hitungan perkiraan" untuk objek dalam foto.
• Ia bisa salah membaca teks dan gambar yang diputar atau terbalik.
• Ia bisa kesulitan dengan teks beraksara seperti Jepang atau Korea, dan dengan grafik yang garisnya hanya dibedakan oleh warna atau gaya garis putus-putus.
• Ia kesulitan dengan foto panorama dan fisheye, serta posisi yang presisi, seperti bidak di papan catur.
• OpenAI memblokir gambar CAPTCHA sepenuhnya.

Citra medis adalah batas yang tegas. OpenAI menyatakan modelnya "tidak cocok untuk menafsirkan citra medis khusus seperti CT scan" dan tidak boleh dipakai untuk saran medis. Rontgen atau foto ruam kulit sebaiknya diperlihatkan kepada tenaga medis.

PDF yang panjang juga kehilangan gambarnya. Anthropic menyatakan Claude membaca grafik dan gambar di PDF sampai 100 halaman. Dari halaman 101 sampai 1.000, ia hanya membaca teksnya.

AI mana yang terbaik untuk menganalisis gambar?

Claude Opus adalah pembaca gambar terbaik di benchmark publik terkemuka, dan Copilot atau Claude adalah pilihan gratis terbaik untuk jumlah banyak. Di papan peringkat MMMU-Pro milik Artificial Analysis, dibaca 12 Oktober 2026, Claude Opus 5.5 meraih 88% dan GPT-6 Astra milik OpenAI 87%. Keduanya ada di balik paket berbayar.

MMMU-Pro sulit dicurangi. Isinya 3.460 soal dari 30 mata pelajaran akademik, dan soal yang bisa dijawab model hanya-teks dibuang. Sebagian soal hanya hadir sebagai tangkapan layar atau foto, sehingga model harus membaca gambarnya untuk mendapat skor.

Untuk pemakaian gratis, aturannya sederhana. Pakai Copilot atau Claude untuk satu kelompok sampai 20 gambar dalam satu chat. Pakai Gemini untuk file besar, sampai 100 MB per file. Simpan ChatGPT Free untuk foto sesekali, karena 3 unggahan per hari habis sebelum makan siang. Kalau Anda ingin mengubah gambarnya, bukan membacanya, mengedit foto dengan AI memakai perangkat yang berbeda.

Whizi, yang menerbitkan halaman ini, mengirim foto terlampir ke model mana pun yang Anda pilih, jadi di Pro Anda bisa menanyakan gambar yang sama ke Claude Opus dan Gemini secara berdampingan. Namun Whizi kalah soal gratis. Akun Whizi gratis mendapat 10 pesan teks per hari di Whizi AI, Auto, atau Claude Haiku 5.5, tanpa unggahan file, jadi satu kelompok foto butuh paket. Situs web menerima sampai 6 file per pesan, tetapi membatasi tiap gambar 8 MB dan 60 unggahan gambar per hari, menolak GIF, dan tidak menandai mana di antara 280+ modelnya yang bisa melihat gambar. Jenis file yang didukung mencantumkan sisanya.

Bisakah menganalisis gambar lewat API, bukan chatbot?

Bisa, dan API visi cloud besar menyediakan jatah gratis bulanan. Google Cloud Vision memberi 1.000 unit pertama per bulan gratis, lalu menagih $1.50 per 1.000 untuk deteksi label, menurut halaman harganya. Paket gratis Azure AI Vision milik Microsoft membolehkan 5.000 transaksi per bulan dengan 20 per menit. Amazon Rekognition adalah pilihan besar ketiga.

Layanan ini mengembalikan label, teks, dan kotak objek sebagai data, bukan jawaban chat. Itu cocok untuk aplikasi yang memberi tag ribuan foto produk. Untuk satu tangkapan layar, itu berlebihan.

DeepSeek datang belakangan. Ia membuka input gambar di API-nya pada 21 Agustus 2026, dan panduan visinya menerima sampai 600 gambar dalam satu permintaan di model Flash. Halaman harganya masih menandai visi "Not supported" di model unggulan V4 Pro, dan dokumen DeepSeek tidak menyebut apa pun soal gambar di aplikasi chat-nya sendiri.