图片视觉
把截图丢给它看——报错截图、设计稿、图表。图片会就地拼进当前这轮消息，不是先转成一段文字 描述再喂进去。
哪些模型支持
| provider | 支持视觉的模型 |
|---|---|
| GLM | glm-4.6v、glm-4.6v-flash |
| Kimi | kimi-k2.7-code、kimi-k2.7-code-highspeed、kimi-k2.6、kimi-k2.5 |
用 /model 切到其中之一即可。
图片怎么进上下文
带图片的 user 消息在拼线时被展开成 OpenAI 的内容块格式——文本块在前，image_url 块随后， 图片以 data: base64 内联。
不支持视觉的模型下图片会被丢掉
拼线只在 supportsVision 为真时展开图片。切到不支持视觉的模型，图片旁挂不会被拼进请求—— 它看不到你贴的图。想让它看图，先 /model 切到上表里的模型。
与文档解析的区别
| 视觉 | 文档解析 | |
|---|---|---|
| 走什么 | 当前模型的视觉能力 | GLM-OCR，与当前 provider 解耦 |
| 适合 | 截图、图表、界面 | PDF、扫描件、有版式的长文档 |
| 输出 | 模型直接"看"图作答 | 先转成 markdown，再当文本处理 |
一张报错截图用视觉；一份 40 页 PDF 用文档解析——后者转成 markdown 之后是可检索、可引用的 文本，视觉模型盯着 40 页图片既贵又容易漏。
相关：文档解析 · 多 provider