这个坑值得记一笔。用 gpt-4o 读一张 800 宽的发票截图，金额和单位经常串行，同一张图放大到 2000 宽再传就基本正确，接口本身没报错。
刚开始盯着「表格线细，缩放后与文字粘连」，折腾了半个多小时，排掉了。
原因不止一个，得分开看。图片被服务端缩放，小字在缩放后糊成一片；detail 设成 low 时只取低分辨率缩略图；长图被等比压缩，纵向细节损失更严重。
上来先看图片原始尺寸与文字高度
python -c "from PIL import Image;im=Image.open('inv.png');print(im.size)"随后切成上下两半分别识别再拼接
python -c "from PIL import Image;im=Image.open('inv.png');w,h=im.size;im.crop((0,0,w,h//2)).save('top.png')"显式把 detail 设为 high
python -c "import json;print(json.dumps({'type':'image_url','image_url':{'url':'data:image/png;base64,AAA','detail':'high'}}))"剩下的就是用 OCR 结果做交叉校验
python -c "import pytesseract;from PIL import Image;print(pytesseract.image_to_string(Image.open('inv.png'),lang='chi_sim')[:80])"手上没有现成的复现脚本，就照着线上请求手工拼了一个。
怎么算真的好了，看的是同一批现象。字段与数值不再串行，金额、单位、日期三项都能对上行号，抽取脚本校验通过率明显上升。
提高分辨率不是万能解，长图更该切片，切片既保住细节又避免整体缩放带来的模糊。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。