Skip to main content

Ajouter des capacités de compréhension visuelle

Certains modèles pris en charge par Token Plan (qwen3.8-max, qwen3.7-plus, etc.) intègrent nativement la compréhension visuelle et traitent directement les images en entrée. Pour les modèles purement textuels tels que glm-5.2 et deepseek-v4-pro, ajoutez des capacités visuelles en configurant un Skill local.

L'exécution du Skill de compréhension d'image consomme des crédits Token Plan. Aucun frais supplémentaire ne s'applique.

Prérequis

  1. Vous avez souscrit à Token Plan.
  2. Vous avez terminé la configuration de l'intégration dans un outil d'IA et le chat fonctionne normalement. Pour plus de détails, reportez-vous à Clients et outils de développement.

Prise en charge visuelle

Pour savoir si chaque modèle prend en charge la compréhension visuelle, consultez les tableaux des modèles pris en charge dans la présentation de Token Plan Personal Edition et la présentation de Token Plan Team Edition.

Méthode 1 : Utiliser directement un modèle visuel (recommandé)

qwen3.7-plus et d'autres modèles disposent de capacités de compréhension visuelle. Si vous traitez fréquemment des images, adopter l'un de ces modèles constitue l'approche la plus simple et recommandée.

Outil

Changement de modèle

Claude Code

/model qwen3.8-max ou /model qwen3.8-flash ou /model qwen3.7-plus

OpenCode

/models puis recherchez et sélectionnez qwen3.8-max ou qwen3.8-flash ou qwen3.7-plus

Qwen Code

/model puis sélectionnez qwen3.8-max ou qwen3.8-flash ou qwen3.7-plus

Pour plus d'informations sur le changement de modèle dans d'autres outils de développement, reportez-vous à Clients et outils de développement. Une fois le modèle changé, référencez directement les chemins d'accès aux images dans votre conversation, ou glissez-déposez/collez des images.

Méthode 2 : Ajouter des capacités visuelles via un Skill ou un Agent

Pour utiliser des modèles purement textuels comme glm-5.2 ou deepseek-v4-pro pour le traitement d'images, configurez un Skill ou un Agent afin d'activer les capacités visuelles.
  • Claude Code
  • OpenCode
  1. Ajouter le Skill Créez un dossier .claude dans le répertoire de votre projet, puis créez-y un répertoire skills/image-analyzer :
    mkdir -p .claude/skills/image-analyzer
    
    Créez un fichier SKILL.md dans ce répertoire avec le contenu suivant :
    ---
    name: image-analyzer
    description: Helps models without vision capabilities understand images. Use this skill when you need to analyze image content, extract information, text, or UI elements from images, or understand screenshots, charts, architecture diagrams, or any visual content. Simply pass in the image path to get a description.
    model: qwen3.7-plus
    ---
    qwen3.7-plus has visual understanding capabilities. Use qwen3.7-plus directly for image understanding.
    
    La structure de répertoires obtenue est la suivante :
    .claude/
    └── skills/
        └── image-analyzer/
            └── SKILL.md
    
  2. Premiers pas
    1. Exécutez claude dans le répertoire de votre projet pour démarrer Claude Code, puis exécutez /model deepseek-v4-pro pour passer au modèle deepseek-v4-pro.
    2. Téléchargez alibabacloud.png dans le répertoire de votre projet, puis demandez : Load image-analyzer skill and describe the information displayed at the alibabacloud.png banner location. Vous obtiendrez une réponse similaire à celle-ci : The alibabacloud.png is a screenshot of the Alibaba Cloud homepage. The banner area title is Coding Plan now supports Qwen3.5, and the text introduces that Alibaba Cloud Model Studio supports models such as Qwen3.5, Kimi-k2.5, and GLM-4.7, with new customers getting the first month for only 7.9 yuan. The page provides Subscribe now and Online consultation entry points.

FAQ

Cause : Par défaut, OpenCode n'active pas les capacités visuelles d'un modèle. Déclarez explicitement le paramètre modalities dans le fichier de configuration.Solution : Ajoutez un champ modalities à la définition du modèle dans votre fichier de configuration OpenCode, et définissez input sur ["text", "image"], comme illustré ci-dessous :
Remplacez sk-sp-xxx par votre clé API Token Plan.
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "bailian-token-plan": {
      "npm": "@ai-sdk/anthropic",
      "name": "Model Studio Token Plan",
      "options": {
        "baseURL": "https://token-plan.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
        "apiKey": "sk-sp-xxx"
      },
      "models": {
        "qwen3.7-plus": {
          "name": "Qwen3.6 Plus",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "qwen3.8-flash": {
          "name": "Qwen3.8 Flash",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "qwen3.8-max": {
          "name": "Kimi K2.5",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        }
      }
    }
  }
}
Cause : OpenClaw s'appuie sur le champ input du fichier de configuration pour déterminer si un modèle prend en charge les capacités visuelles.Solution :
  1. Dans le fichier de configuration ~/.openclaw/openclaw.json, assurez-vous que la définition du modèle inclut le champ "input": ["text", "image"].
    {
      "models": {
        "mode": "merge",
        "providers": {
          "bailian": {
            "baseUrl": "https://token-plan.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
            "apiKey": "YOUR_API_KEY",
            "api": "openai-completions",
            "models": [
              {
                "id": "qwen3.7-plus",
                "name": "qwen3.7-plus",
                "reasoning": false,
                "input": ["text", "image"],
                "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
                "contextWindow": 1000000,
                "maxTokens": 65536
              },
              {
                "id": "qwen3.8-flash",
                "name": "qwen3.8-flash",
                "reasoning": false,
                "input": ["text", "image"],
                "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
                "contextWindow": 1000000,
                "maxTokens": 65536
              },
              {
                "id": "qwen3.8-max",
                "name": "qwen3.8-max",
                "reasoning": false,
                "input": ["text", "image"],
                "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
                "contextWindow": 262144,
                "maxTokens": 32768
              }
            ]
          }
        }
      },
      "agents": {
        "defaults": {
          "model": {
            "primary": "bailian/qwen3.7-plus"
          },
          "models": {
            "bailian/qwen3.7-plus": {},
            "bailian/qwen3.8-flash": {},
            "bailian/qwen3.8-max": {}
          }
        }
      },
      "gateway": {
        "mode": "local"
      }
    }
    
  2. Après modification de la configuration, videz le cache des modèles OpenClaw et redémarrez l'application. Sinon, l'ancienne configuration reste active.
    rm ~/.openclaw/agents/main/agent/models.json
    openclaw gateway restart