Plugins

Visión gratuita para agentes de solo texto: cadena de visión integrada sin clave más herramientas de píxeles (preguntas y respuestas, grounding, recorte, diff de píxeles, colores, OCR, trazado SVG, recorte de figuras, capturas de pantalla); pega una imagen para usarla.

Visión para modelos solo de texto: al pegar una imagen, el modelo cambia a la variante Vision Toolkit para preguntas y respuestas sobre imágenes, comparación de múltiples imágenes, OCR de capturas largas, reproducción de UI a partir de capturas, localización de elementos y diferencias de píxeles. Sin clave de API por defecto — las imágenes se procesan mediante el servicio gratuito alojado por el autor, 100 por máquina al día; configurable a tu propio proveedor.

Comprensión de imágenes casi nativa para DeepSeek Harness

Cerebro DeepSeek + transcripción automática de imágenes: adjunta imágenes en la GUI y cada una se transcribe mediante el modelo oficial deepseek-v4-flash-vision-exp por defecto (un cerebro V4-Pro puramente textual puede ver imágenes), con cualquier VLM compatible con OpenAI u Ollama local como alternativas.

Añade un modelo de visión configurable a los modelos principales solo de texto: una herramienta vision_read_image, un selector de modelo de visión en la barra del compositor, y conversión automática de imagen a texto para rutas solo de texto.

Plugin de visión externo para DeepSeek Harness: panel de configuración con botón de ballena, reconocimiento de imágenes con respuesta automática, y herramientas de captura y reconocimiento para el agente.

Visión para DeepSeek de solo texto mediante Doubao Web de forma predeterminada (sin costo, sin clave de API: controla tu Chrome con sesión iniciada a través de un puente CDP de Windows), con cuota de Antigravity IDE (flash/pro) o alternativa a Gemini; escalado automático de detalle, memoria de evidencia visual con rehidratación tras compactación, caché por hash de contenido y un panel de cliente bilingüe.

Plugin de DSH que entrega imágenes y archivos a modelos de solo texto como rutas del espacio de trabajo: las imágenes conservan la experiencia de adjuntos nativa, otros archivos se muestran como chips cuadrados en la barra, y las rutas se añaden al enviar; combina bien con dsh-vision-toolkit.

Visión bajo demanda para sesiones DSH solo de texto: las imágenes se convierten en marcadores, y una herramienta vision_describe envía solo la imagen y la pregunta a un modelo de visión compatible con OpenAI

Caja de herramientas de visión mejorada: 14 herramientas de visión a nivel de píxel (describe, ground, detect, crop, pixel-diff, OCR, OCR de captura larga, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot) impulsadas por un endpoint compatible con OpenAI, con marcadores de puente limpios [图片: path], clasificación de seguridad de contenido y auto-retry por límite de tasa.

Subida de archivos drag-and-drop para PDF, Word, Excel e imágenes: los archivos soltados se guardan en un directorio local y se referencian por ruta, sin bloat de base64 en el chat.

Previsualización inline para marcadores de puente de imagen [图片: path]: tras renderizarse el marcador, la imagen se muestra en el chat automáticamente, manteniendo instrucciones largas fuera de la conversación.

Sidecar de visión gratuito y alojado para DeepSeek Harness, con evidencia de sesión duradera

Conecta las imágenes de la sesión a proveedores de visión configurables y devuelve análisis de solo texto a las rutas de modelos elegibles de DeepSeek Harness.

Complemento de enrutamiento multimodelo para DeepSeek Harness: deje las tareas especializadas en manos de agentes especializados: personalice agentes profesionales (visión/traducción/voz/subagente, etc.) y asócielos a modelos independientes; inicio de sesión con un clic para cuentas multimodales, enrutamiento de estado del pool de cuentas y estadísticas de uso en tiempo real.

Herramienta de visión invocable por agentes que describe imágenes locales mediante cualquier endpoint de visión compatible con OpenAI que configures, con verificación cruzada opcional de varios modelos y sin claves integradas.

Paquete completo de capacidades de visión para DeepSeek Harness: una herramienta vision_understand (APIs de visión compatibles con OpenAI, Zhipu GLM-4V-Flash gratuito por defecto) además de puntos de entrada de pegar/arrastrar y soltar/botón para reconocimiento de imágenes.

Combina APIs de texto, visión y generación de imágenes en un único modelo Mix con enrutamiento automático: las solicitudes de solo texto van al modelo de chat, las imágenes del usuario y las capturas del agente van al modelo de visión, los seguimientos siguen usando la misma imagen de sesión, y los agentes pueden generar o editar imágenes con un historial de llamadas con alcance de sesión.

Instala una casilla de entrada de imagen en el catálogo Models para que un modelo personalizado pueda declarar entrada de imagen y recibir imágenes directamente; incluye un relé de visión BYO opcional.

Reconocimiento de imágenes configurable para modelos DSH solo de texto: los mensajes de imagen se transcriben primero mediante un modelo de visión compatible con OpenAI (URL base, ID de modelo y clave API configurados en una sección de Ajustes) y luego se pasan al modelo principal como texto, mientras se anuncia la compatibilidad con entrada de imágenes. El esquema de autenticación de la clave API es seleccionable (cabeceras de petición estilo OpenAI, Anthropic, Gemini o Azure) y se notifica la falta de una clave antes de enviar cualquier petición.

Enruta imágenes a un modelo de visión de tu elección — reescritura automática, herramientas explícitas o híbrido — para que un modelo de chat solo texto no falle un turno que contiene una imagen.

Extensión nativa de capacidad de visión, que utiliza Zhipu (gratis) o Qwen-VL (local).

Ruta de proveedor de visión que transcribe imágenes adjuntas a texto mediante un modelo configurable (más de 15 proveedores compatibles con OpenAI y Anthropic) mientras DeepSeek sigue respondiendo.

Herramienta `vision` invocable por el modelo para DeepSeek Harness: describe y aplica OCR a archivos de imagen llamando directamente a la API de visión gratuita Zhipu GLM (cadena de respaldo glm-4v-flash), sin necesidad de CLI externo.