Plugins

Transparent multimodal routing for text-only models: every image in every model call is fully transcribed (verbatim OCR, data, uncertainty zones, injection-hardened) by your own multimodal understander, with focused re-look via vision_relook and automatic retry on image-related failures. No bundled endpoints, no borrowed logins.

DeepSeek Harness vision plugin: 8 analysis modes (describe, OCR, chart data, UI review, object detection, compare, code-gen, debug), any OpenAI- or Anthropic-compatible vision API, with a built-in free vision model and automatic rate-limit failover.

Plugin de DeepSeek Harness: declaraciones directas de transferencia de imágenes multimodales + borrado de imágenes por sesión (reemplazo de superficie), con una página de configuración y controles en el compositor.

Cadenas multimodales por tipo de archivo: los modelos de procesamiento predefinidos por comodín convierten archivos de imagen, vídeo y audio en tokens de prompt antes de que lleguen al modelo de sesión solo texto, con cadenas de respaldo por preajuste y una página de ajustes Multimodal.

Plugin multimodal para DeepSeek Harness: comprende imágenes y genera imágenes a través de endpoints compatibles con OpenAI o DashScope configurables.

Plugin out-of-tree para DeepSeek Harness: da ojos a un modelo de código solo de texto enrutando imágenes a una ruta Qwen-VL (DashScope) a través de ctx.llm y devolviendo texto.

Puente de adjuntos de imágenes en el chat con una herramienta view_image para cualquier VLM compatible con OpenAI (Ollama local o nube): las imágenes pegadas/arrastradas se convierten en marcadores de ruta view_image antes de llegar a los modelos DeepSeek de solo texto.

Herramienta `describe_image`: un puente de visión que envía imágenes a mimo-v2.5 mediante la API opencode Zen (credencial `OPENCODE_GO_API_KEY`, ruta gratuita primero con respaldo de pago) y devuelve descripciones de texto para modelos solo de texto, con paso nativo y transcodificación ImageMagick de formatos SVG/TIFF/HEIC.

Visión para cualquier ruta de DSH: pega imágenes en el compositor web con análisis automático según la intención, delega la lectura de imágenes del espacio de trabajo a un subagente de visión Kimi/MiniMax y materializa los originales pegados para editarlos.

Puente de visión con autodescubrimiento para agentes DeepSeek Harness solo de texto: encuentra automáticamente un modelo capaz de procesar imágenes entre tus proveedores configurados y devuelve descripciones de las imágenes como texto plano mediante una herramienta de visión.

Visión bajo demanda para modelos DeepSeek solo de texto: sube imágenes y el modelo llama a una herramienta view_image respaldada por cualquier endpoint de visión compatible con OpenAI (Qwen/DashScope por defecto).

Visión como plugin para modelos solo de texto en DSH, con interacción nativa para comprensión y generación de imágenes, automatización de GUI, memoria de evidencia por capas y caché.

Enruta las imágenes del chat a un modelo de visión fijo compatible con OpenAI, devuelve observaciones factuales al modelo principal seleccionado y reutiliza las observaciones por sesión a través de repeticiones, compactación y reinicios.

Voz para DeepSeek Harness (dsh): entrada de voz a texto y lectura en voz alta mediante TTS para DeepSeek de solo texto, sin necesidad de clave de API.

Paquete de plugins de DeepSeek Harness: herramientas qwen_vision (comprensión de imágenes con Qwen-VL) y qwen_generate (texto a imagen con Qwen-Image) para modelos de solo texto

Kit de herramientas de visión para DeepSeek Harness: herramientas de CLI glance, ground, detect y crop para que los agentes de solo texto comprendan imágenes

DeepSee: visión para DeepSeek Harness, enrutamiento multimodelo y autocomprobaciones visuales con Gemini antes de la entrega

A headless-first macOS Computer Use driver for DeepSeek Harness with AX-first observations, window-bound multimodal evidence, host-owned approval, and evidence-backed action receipts

Xiaomi MiMo-powered voice for DeepSeek Harness: browser 🎤/🧠/🔊 UI, voice_transcribe/voice_understand/voice_speak tools, configurable voice map (preset/voicedesign/voiceclone). Fork of zhuiyueya/dsh-voice (MIT), Settings pattern from Anionex/dsh-vision-toolkit (MIT).

Declare whether a configured third-party model accepts image (multimodal) input; writes the modality into the owning provider settings and verifies it through runtime model resolution.

DSH plugin: auto-detect and configure model capabilities (reasoningEfforts + input modalities) for llm-pi-ai. Successor to dsh-reasoning-efforts.

TokenLab provider bundle for DeepSeek Harness with native Responses, Messages and Chat routing plus full multimodal and async tools.

88API Image Studio for DSH: four Image2 and Nano Banana models for text-to-image, multi-reference editing, 2K/4K output, and sequential batches.

GLM 视觉模型插件：注册 glm-vision 供应商路由（glm-4.6v 系列，image+text 输入声明）并提供 glm_vision 工具，让 DeepSeek 等文本主模型直接调用智谱视觉模型看图。