Skip to main content

視覚理解機能の追加

Token Plan がサポートする一部のモデル (qwen3.8-max、qwen3.7-plus など) は、ネイティブで視覚理解をサポートし、画像入力を直接処理できます。glm-5.2 や deepseek-v4-pro のようなテキスト専用モデルの場合は、ローカルのスキルを設定することで視覚機能を追加できます。

画像理解スキルを実行すると Token Plan クレジットが消費されますが、追加料金は発生しません。

前提条件

  1. Token Plan をサブスクライブ済みであること。
  2. AI ツールで統合設定を完了し、正常にチャットできること。詳細については、「クライアントと開発者ツール」をご参照ください。

視覚サポート

各モデルが視覚理解をサポートしているかについては、Token Plan Personal Edition の概要 および Token Plan Team Edition の概要 のサポートモデル表を参照してください。

方法1：視覚モデルの直接使用 (推奨)

qwen3.7-plus などのモデルには視覚理解機能があります。頻繁に画像を処理する必要がある場合は、これらのモデルのいずれかに切り替えることが最も簡単で推奨される方法です。

ツール

モデルの切り替え方法

Claude Code

/model qwen3.8-max または /model qwen3.8-flash または /model qwen3.7-plus、または /model qwen3.8-max

OpenCode

/models の後、qwen3.8-max または qwen3.8-flash または qwen3.7-plus、または qwen3.8-max を検索して選択

Qwen Code

/model の後、qwen3.8-max または qwen3.8-flash または qwen3.7-plus、または qwen3.8-max を選択

他のコーディングツールでのモデルの切り替えに関する詳細については、「クライアントと開発者ツール」をご参照ください。切り替え後、会話で画像パスを直接参照したり、画像をドラッグアンドドロップまたはペーストしたりできます。

方法2：スキルまたはエージェントによる視覚機能の追加

glm-5.2 や deepseek-v4-pro のようなテキスト専用モデルを画像処理に使用する必要がある場合は、スキルまたはエージェントを設定して視覚機能を有効にすることができます。
  • Claude Code
  • OpenCode
  1. スキルの追加 プロジェクトディレクトリに .claude フォルダを作成し、その中に skills/image-analyzer ディレクトリを作成します。 
mkdir -p .claude/skills/image-analyzer
そのディレクトリに、SKILL.md ファイルを次の内容で作成します。
---
name: image-analyzer
description: 視覚機能を持たないモデルによる画像の理解を支援します。画像コンテンツの分析、画像からの情報、テキスト、UI 要素の抽出、スクリーンショット、チャート、アーキテクチャ図、またはあらゆる視覚コンテンツの理解が必要な場合に使用します。画像パスを渡すだけで説明を取得できます。
model: qwen3.7-plus
---
qwen3.7-plus には視覚理解機能があります。画像理解には qwen3.7-plus を直接使用してください。
結果のディレクトリ構造は次のようになります。
.claude/
└── skills/
    └── image-analyzer/
        └── SKILL.md
  1. 使用の開始
    1. プロジェクトディレクトリで claude を実行して Claude Code を起動し、/model deepseek-v4-pro を実行して deepseek-v4-pro モデルに切り替えます。
    2. プロジェクトディレクトリに alibabacloud.png をダウンロードし、次のように質問します。image-analyzer スキルを使って、alibabacloud.png のバナーに表示されている情報を説明してください。 次のような応答が返されます。 alibabacloud.png は Alibaba Cloud のホームページのスクリーンショットです。バナーエリアのタイトルは 「Coding Plan now supports Qwen3.5」 で、本文では Alibaba Cloud Model Studio が Qwen3.5、Kimi-k2.5、GLM-4.7 などのモデルをサポートし、新規顧客は初月わずか 7.9 元で利用できることが紹介されています。ページには [Subscribe now] と [Online consultation] のエントリーポイントがあります。

よくある質問

原因：OpenCode は、デフォルトではモデルの視覚機能を有効にしません。設定ファイルで modalities パラメーターを明示的に宣言する必要があります。解決策：OpenCode 設定ファイルのモデル定義に modalities フィールドを追加し、input を ["text", "image"] に設定します。以下に例を示します。
sk-sp-xxx を Token Plan の API キーに置き換えてください。 
{
  "$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
            }
          }
        }
      }
    }
  }
}
原因：OpenClaw は、モデルが視覚機能をサポートしているか判断するために、設定ファイルの input フィールドを必要とします。解決策：
  1. ~/.openclaw/openclaw.json 設定ファイルで、モデル定義に "input": ["text", "image"] フィールドが含まれていることを確認します。
{
  "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"
  }
}
  1. 設定を変更した後は、OpenClaw のモデルキャッシュをクリアして再起動する必要があります。そうしないと、古い設定が有効なままになります。
rm ~/.openclaw/agents/main/agent/models.json
openclaw gateway restart