Как сделать multimodal-запрос с картинкой в OpenAI и Anthropic?

Современные модели (GPT-4o/4.1/5, Claude 4.x) принимают картинки прямо в сообщении — либо как public URL, либо как base64. У OpenAI это блок { type: 'input_image', image_url }, у Anthropic — { type: 'image', source: { type: 'base64' \| 'url', ... } }. Лимиты: до 20 МБ на картинку, оптимально 1568 px по длинной стороне. Для аудио используй Whisper (audio.transcriptions.create) или ElevenLabs.