AI nào phân tích được hình ảnh miễn phí, và được bao nhiêu ảnh?
Giới hạn dung lượng còn chênh lệch hơn cả số lượng, từ 20 MB mỗi ảnh trên ChatGPT đến 500 MB mỗi tệp trên Claude. Mỗi dòng bên dưới lấy từ trang trợ giúp của chính hãng, đọc ngày 12 tháng 10 năm 2026.
| Trợ lý | Gói miễn phí đọc được ảnh | Số ảnh | Giới hạn dung lượng | Định dạng ảnh hãng liệt kê |
|---|---|---|---|---|
| ChatGPT | Có | 3 lượt tải tệp lên mỗi ngày | 20 MB mỗi ảnh | Không liệt kê trong FAQ tải tệp |
| Gemini | Có, giới hạn cao hơn ở các gói Google AI | 10 tệp mỗi prompt, theo giới hạn luân phiên | 100 MB mỗi tệp | Không liệt kê: "hầu hết các loại tệp" |
| Claude | Có, trang tải tệp không nêu yêu cầu về gói | 20 tệp mỗi chat | 500 MB mỗi tệp, 8,000 nhân 8,000 pixel | JPEG, PNG, GIF, WebP |
| Microsoft Copilot | Có, gồm cả Copilot Chat miễn phí | 20 tệp mỗi cuộc trò chuyện | 50 MB mỗi tệp | PNG, JPEG, PJP, JFIF |
ChatGPT là bên chặt nhất. FAQ tải tệp lên của OpenAI ghi "Free users are limited to 3 file uploads per day", và một bức ảnh cũng là một lượt tải tệp như mọi tệp khác. Giới hạn chung là 80 tệp mỗi 3 giờ, và OpenAI cho biết có thể hạ các giới hạn này vào giờ cao điểm.
Claude và Copilot rộng rãi nhất. Bài về tải tệp của Anthropic cho phép 20 tệp mỗi chat và ảnh tối đa 8,000 nhân 8,000 pixel. Trang tải tệp của Copilot từ Microsoft cũng cho 20 tệp mỗi cuộc trò chuyện, tối đa 50 MB mỗi tệp, và nói rằng áp dụng cho cả Copilot Chat miễn phí. Gemini nhận 10 tệp trong một prompt và tối đa 100 MB mỗi tệp. Trang tải tệp của Gemini từ Google bổ sung "rolling limits" (giới hạn luân phiên) về lượng bạn được phân tích, và không đưa ra con số cụ thể.
Làm sao để AI phân tích hình ảnh và trả lời câu hỏi?
Bạn đính kèm ảnh, rồi hỏi một câu hỏi cụ thể về nó. Chỉ hỏi trống không "đây là gì" thì chỉ nhận lại một dòng chú thích trống không.
- Mở ChatGPT, Gemini, Claude hoặc Copilot và bấm dấu + hoặc biểu tượng kẹp giấy trong khung nhập tin nhắn. Claude còn cho kéo thả tệp vào hoặc dán ảnh chụp màn hình từ clipboard.
- Cắt ảnh về đúng phần bạn muốn hỏi. Anthropic khuyên dùng ảnh tối thiểu 1,000 nhân 1,000 pixel, còn OpenAI bảo bạn phóng to chữ nhỏ trong ảnh.
- Giao cho câu hỏi một nhiệm vụ: đọc gì, so sánh gì hoặc kiểm tra gì.
- Yêu cầu mô hình liệt kê những gì nó thấy trước khi kết luận bất cứ điều gì.
- Tự kiểm tra mọi con số, tổng và tên so với ảnh.
Năm prompt này bao quát phần lớn thứ người ta tải lên. Hãy điền vào các ngoặc vuông.
Đọc chữ: "Chép lại từng chữ trong ảnh này đúng như được viết, từng dòng một. Đánh dấu mọi chỗ bạn không đọc được là [không rõ] thay vì đoán."
Đọc biểu đồ: "Chuyển biểu đồ này thành bảng, mỗi điểm dữ liệu một dòng. Cho biết nhãn trục và đơn vị. Nói rõ giá trị nào được in trên biểu đồ và giá trị nào bạn ước lượng từ các đường lưới."
Sửa lỗi: "Đây là ảnh chụp màn hình một lỗi. Trích nguyên văn nội dung lỗi, cho tôi biết ứng dụng nào hiển thị nó, và đưa ra ba cách khắc phục khả dĩ nhất theo thứ tự."
Tìm điểm khác biệt: "Hai ảnh này chụp cùng một [căn phòng, sản phẩm, tài liệu]. Liệt kê mọi điểm khác biệt bạn thấy và vị trí của nó trong từng ảnh."
Nhận diện một thứ: "Đây là [cây, linh kiện, món ăn] gì? Cho tôi dự đoán tốt nhất, hai khả năng khác và những đặc điểm nhìn thấy được giúp phân biệt chúng."
Câu cuối của mỗi prompt là câu làm nên hiệu quả. Yêu cầu bằng chứng nhìn thấy được trước sẽ ngăn mô hình nhảy thẳng đến đáp án, và hướng dẫn AI đa phương thức của chúng tôi xây cả một quy trình xoay quanh thói quen đó.
AI không nhìn thấy gì trong một bức ảnh?
AI không đọc được metadata của ảnh, và nó chỉ đoán khi đếm. Hướng dẫn thị giác của OpenAI liệt kê 11 hạn chế tính đến tháng 10 năm 2026. Phần lớn áp dụng cho mọi chatbot bạn có thể thử:
- Nó không xử lý tên tệp hay metadata, nên ngày giờ và vị trí GPS mà máy ảnh lưu vẫn không được đọc.
- Nó "may give approximate counts" (có thể chỉ đưa ra số đếm gần đúng) về các vật thể trong ảnh.
- Nó có thể đọc sai chữ và hình bị xoay hoặc lộn ngược.
- Nó có thể vấp ở chữ thuộc các hệ chữ như tiếng Nhật hay tiếng Hàn, và ở đồ thị mà các đường chỉ khác nhau về màu hoặc kiểu nét đứt.
- Nó gặp khó với ảnh toàn cảnh và ảnh mắt cá, cũng như với vị trí chính xác, chẳng hạn các quân cờ trên bàn cờ.
- OpenAI chặn hẳn ảnh CAPTCHA.
Ảnh chụp y tế là lằn ranh cứng. OpenAI nói mô hình của họ "not suitable for interpreting specialized medical images like CT scans" (không phù hợp để diễn giải ảnh y tế chuyên sâu như ảnh chụp CT) và không nên dùng để tư vấn y tế. Phim X-quang hay ảnh một vết phát ban nên đưa cho bác sĩ.
PDF dài cũng mất hình ảnh. Anthropic cho biết Claude đọc được biểu đồ và hình ảnh trong PDF từ 100 trang trở xuống. Từ trang 101 đến 1,000, nó chỉ đọc phần văn bản.
AI nào phân tích hình ảnh tốt nhất?
Claude Opus là bộ đọc ảnh tốt nhất trên benchmark công khai hàng đầu, còn Copilot hoặc Claude là lựa chọn miễn phí tốt nhất khi cần số lượng. Trên bảng xếp hạng MMMU-Pro của Artificial Analysis, đọc ngày 12 tháng 10 năm 2026, Claude Opus 5.5 đạt 88% và GPT-6 Astra của OpenAI đạt 87%. Cả hai đều nằm sau các gói trả phí.
MMMU-Pro là bài kiểm tra khó gian lận. Nó có 3,460 câu hỏi thuộc 30 môn học thuật, và loại bỏ mọi câu mà mô hình chỉ có văn bản cũng trả lời được. Một số câu chỉ đến dưới dạng ảnh chụp màn hình hoặc ảnh, nên mô hình phải đọc được hình mới ghi điểm.
Với dùng miễn phí, quy tắc rất đơn giản. Dùng Copilot hoặc Claude cho một loạt tới 20 ảnh trong một chat. Dùng Gemini cho tệp lớn, tối đa 100 MB mỗi tệp. Để ChatGPT Free cho những bức ảnh lẻ, vì 3 lượt tải lên mỗi ngày hết sạch trước bữa trưa. Nếu bạn muốn chỉnh sửa bức ảnh thay vì đọc nó, chỉnh sửa ảnh bằng AI là một bộ công cụ khác.
Whizi, nơi đăng trang này, gửi ảnh đính kèm đến bất kỳ mô hình nào bạn chọn, nên ở gói Pro bạn có thể hỏi Claude Opus và Gemini về cùng một ảnh, đặt cạnh nhau. Whizi thua ở câu hỏi miễn phí. Tài khoản Whizi miễn phí có 10 tin nhắn văn bản mỗi ngày trên Whizi AI, Auto hoặc Claude Haiku 5.5, không tải tệp lên, nên muốn xử lý một loạt ảnh thì cần một gói. Trang web nhận tối đa 6 tệp mỗi tin nhắn nhưng giới hạn mỗi ảnh 8 MB và 60 lượt tải ảnh mỗi ngày, từ chối GIF, và không đánh dấu mô hình nào trong hơn 280 mô hình của nó nhìn được ảnh. Các loại tệp được hỗ trợ liệt kê phần còn lại.
Có thể phân tích hình ảnh bằng API thay vì chatbot không?
Có, và các API thị giác đám mây lớn đều kèm hạn mức miễn phí hàng tháng. Google Cloud Vision cho 1,000 đơn vị đầu tiên mỗi tháng miễn phí, sau đó tính $1.50 cho mỗi 1,000 với tính năng nhận diện nhãn, theo trang giá của họ. Gói miễn phí của Azure AI Vision từ Microsoft cho 5,000 giao dịch mỗi tháng, tốc độ 20 mỗi phút. Amazon Rekognition là lựa chọn lớn thứ ba.
Các dịch vụ này trả về nhãn, văn bản và khung vật thể dưới dạng dữ liệu, không phải câu trả lời trò chuyện. Điều đó hợp với một ứng dụng gắn thẻ hàng nghìn ảnh sản phẩm. Dùng cho một ảnh chụp màn hình thì quá cồng kềnh.
DeepSeek đến muộn. Họ mở đầu vào hình ảnh trên API ngày 21 tháng 8 năm 2026, và hướng dẫn thị giác của họ nhận tới 600 ảnh trong một yêu cầu trên mô hình Flash. Trang giá của họ vẫn ghi thị giác là "Not supported" (không hỗ trợ) trên mô hình chủ lực V4 Pro, và tài liệu của DeepSeek không nói gì về hình ảnh trong ứng dụng chat của chính họ.
- Chọn Claude hoặc Copilot khi cần hơn 3 ảnh trên gói miễn phí
- Cắt ảnh về đúng phần bạn muốn hỏi
- Yêu cầu bằng chứng nhìn thấy được trước khi kết luận
- Đếm lại mọi thứ mà mô hình đã đếm
- Không đưa ảnh chụp y tế cho chatbot
Câu hỏi thường gặp
Có AI miễn phí nào phân tích được hình ảnh không?
Có. ChatGPT, Gemini, Claude và Microsoft Copilot đều đọc được hình ảnh trên gói miễn phí tính đến tháng 10 năm 2026. Claude và Copilot nhận 20 tệp trong một chat, Gemini nhận 10 tệp mỗi prompt, còn ChatGPT Free cho 3 lượt tải tệp lên mỗi ngày. Giới hạn tải tệp của ChatGPT theo từng gói cho thấy giới hạn ở mọi bậc.
AI có biết ảnh được chụp ở đâu không?
Chỉ dựa vào những gì nhìn thấy trong ảnh. OpenAI cho biết mô hình thị giác của họ không xử lý tên tệp hay metadata, nên thẻ GPS mà điện thoại lưu không được đọc. Chatbot vẫn có thể đoán từ một danh lam hay một biển hiệu trong khung hình, và Google Cloud Vision bán tính năng nhận diện địa danh. Trước khi tải một ảnh riêng tư lên, tải tài liệu lên AI an toàn đưa ra ba câu hỏi nên tự hỏi.
AI có phân tích được ảnh y tế như X-quang không?
Không đáng tin cậy, và OpenAI cũng nói vậy. Hướng dẫn thị giác của họ gọi mô hình là "not suitable for interpreting specialized medical images like CT scans" (không phù hợp để diễn giải ảnh y tế chuyên sâu như ảnh chụp CT) và nói không nên dùng để tư vấn y tế. Hãy đưa phim cho bác sĩ. Riêng với kết quả xét nghiệm, ChatGPT có đọc được kết quả xét nghiệm máu không cho thấy chỗ nào dùng được và chỗ nào hỏng.
AI có đọc được hình ảnh bên trong PDF không?
Có, nhưng có giới hạn. Anthropic cho biết Claude đọc được biểu đồ và hình ảnh trong PDF từ 100 trang trở xuống. Từ trang 101 đến 1,000 nó chỉ đọc văn bản. Claude nhận tới 500 MB mỗi tệp và 20 tệp mỗi chat. Giới hạn tải tệp của Claude liệt kê các giới hạn thấp hơn cho Projects và ảnh đơn lẻ.
