Plugin

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 per DeepSeek Harness: dichiarazioni dirette di trasferimento di immagini multimodali + cancellazione delle immagini per sessione (sostituzione della superficie), con una pagina di impostazioni e controlli nel compositore.

Catene multimodali per tipo di file: i modelli di elaborazione preimpostati per wildcard convertono file immagine, video e audio in token di prompt prima che raggiungano il modello di sessione solo testo, con catene di fallback per preset e una pagina impostazioni Multimodal.

Plugin multimodale per DeepSeek Harness: comprende le immagini e genera immagini tramite endpoint compatibili con OpenAI o DashScope configurabili.

Plugin out-of-tree per DeepSeek Harness: dona gli occhi a un modello di coding solo testo instradando le immagini a una rotta Qwen-VL (DashScope) tramite ctx.llm e restituendo testo.

Ponte per gli allegati immagine nella chat con uno strumento view_image per qualsiasi VLM compatibile OpenAI (Ollama locale o cloud): le immagini incollate/trascinate diventano marcatori di percorso view_image prima di raggiungere i modelli DeepSeek solo testo.

Strumento `describe_image`: un ponte di visione che invia le immagini a mimo-v2.5 tramite l'API opencode Zen (credenziale `OPENCODE_GO_API_KEY`, prima rotta gratuita con fallback a pagamento) e restituisce descrizioni testuali ai modelli solo testo, con passthrough nativo e transcodifica ImageMagick di SVG/TIFF/HEIC.

Visione per qualsiasi rotta DSH: incolla immagini nel compositore web con analisi automatica guidata dall'intento, delega la lettura delle immagini dello spazio di lavoro a un subagente di visione Kimi/MiniMax e materializza gli originali incollati per modificarli.

Ponte di visione con scoperta automatica per agenti DeepSeek Harness solo testo: trova da sé un modello capace di immagini tra i provider configurati e restituisce descrizioni delle immagini come testo semplice tramite uno strumento di visione.

Visione su richiesta per i modelli DeepSeek solo testo: carichi le immagini e il modello chiama uno strumento view_image basato su qualsiasi endpoint di visione compatibile OpenAI (Qwen/DashScope per impostazione predefinita).

Visione come plugin per i modelli solo testo su DSH, con interazione nativa per comprensione e generazione di immagini, automazione della GUI, memoria delle prove a strati e cache.

Instrada le immagini della chat verso un modello di visione fisso compatibile OpenAI, restituisce osservazioni fattuali al modello principale selezionato e riusa le osservazioni per sessione attraverso replay, compattazione e riavvii.

Voce per DeepSeek Harness (dsh) — input speech-to-text + lettura ad alta voce TTS per DeepSeek solo testo, senza chiave API

Bundle di plugin per DeepSeek Harness: strumenti qwen_vision (comprensione delle immagini con Qwen-VL) e qwen_generate (testo-immagine con Qwen-Image) per modelli solo testo

Toolkit di visione per DeepSeek Harness -- strumenti CLI glance, ground, detect, crop per far comprendere le immagini agli agenti solo testo

DeepSee: visione per DeepSeek Harness, instradamento multi-modello e autoverifiche visive con Gemini prima della consegna

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。