识别图片问题

[mjy1113451]

我用的是视图模型，结果他说看不了

[dosubot]

@mjy1113451 这个问题通常是因为你使用的模型不支持图片输入（视觉/Vision 能力）。

常见原因：

• 如果你用的是 DeepSeek 等纯文本模型，它不支持图片识别，会提示"看不了"[1]

解决方案：

1. 换用支持视觉的多模态模型：如 GPT-4o、Gemini、Qwen VL、Kimi 等
2. 配置"图片描述模型"：在管理面板中设置一个专门的视觉模型来生成图片描述，然后把描述传给主模型处理

请问你用的是什么具体模型？

To reply, just mention @dosu.

---

Share context across your team and agents. Try Dosu.

[mjy1113451]

deepseek-ocr

[dosubot]

@mjy1113451 DeepSeek 的 OCR 模型（如 deepseek-ocr）本质上也是一个视觉模型，但需要确认你使用的 API 提供商是否正确支持图片输入。

从之前的对话来看，DeepSeek 的标准聊天模型是不支持图片输入的，会返回错误 [1]。如果你用的是 DeepSeek 的 OCR 专用模型，需要确保：

1. 你的 API 提供商确实支持该模型的图片输入能力
2. 在 AstrBot 的 LLM 配置中，模态（modalities）设置包含了图片支持

如果模型确实支持视觉但仍然报错"看不了"，可能是配置问题。建议检查一下管理面板中该提供商的模态设置是否正确开启了图片理解功能。

To reply, just mention @dosu.

---

Share context across your team and agents. Try Dosu.

[dosubot]

@mjy1113451 推荐以下支持图片识别的模型：

• GPT-4o / GPT-4o-mini — OpenAI 的多模态模型
• Gemini（如 gemini-2.0-flash）— Google 的多模态模型
• Qwen VL — 阿里通义千问视觉模型
• Kimi（如 kimi-k2.6）— Moonshot 的多模态模型
• Claude（如 claude-sonnet）— Anthropic 的多模态模型

这些模型都原生支持图片输入，AstrBot 会自动将聊天中的图片转发给它们进行识别，无需额外配置 [1]。

To reply, just mention @dosu.

---

Share context across your team and agents. Try Dosu.

[mjy1113451]

mimo-2.5行吗