プラグイン

テキスト専用エージェント向けの無料ビジョン機能: キー不要の内蔵ビジョンチェーンとピクセルツール群（Q&A、グラウンディング、クロップ、ピクセル差分、カラー、OCR、SVG トレース、切り抜き、スクリーンショット）。画像を貼り付けるだけで使用可能。

テキスト専用モデルに視覚機能を追加：画像を貼り付けると、モデルがVision Toolkitバリアントに切り替わり、画像Q&A、複数画像比較、ロングスクリーンショットOCR、スクリーンショットからのUI再現、要素グラウンディング、ピクセル差分に対応します。デフォルトではAPIキー不要で、作者がホストする無料サービスにより1マシンあたり1日100枚まで処理可能。独自の_provider_への切り替えも設定できます。

DeepSeek Harness にネイティブに近い画像理解機能を追加。

DeepSeek ブレイン + 自動画像文字起こし:GUI で画像を添付すると、デフォルトで公式の deepseek-v4-flash-vision-exp により文字起こしされます(純粋テキストの V4-Pro ブレインも画像を見ることができます)。代替として、任意の OpenAI 互換 VLM またはローカル Ollama も使用可能。

テキスト専用のメインモデルに設定可能なビジョンモデルを追加: vision_read_image ツール、コンポーザーバーのビジョンモデル選択、テキスト専用ルート向けの画像からテキストへの自動変換。

DeepSeek Harness 向け外部ビジョンプラグイン: クジラボタンの設定パネル、自動返信付き画像認識、エージェント用スクリーンショット/認識ツール。

テキストのみのDeepSeekにビジョン機能を追加、デフォルトはDoubao Web経由（無料・APIキー不要——WindowsのCDPブリッジ経由でログイン済みのChromeを操作）、Antigravity IDEのクォータ（flash/pro）またはGeminiへのフォールバックにも対応。詳細レベルの自動エスカレーション、圧縮後の再水和に対応したビジョン証跡メモリ、コンテンツハッシュキャッシュ、バイリンガルのクライアントパネルを備える。

DSH プラグイン: 画像とファイルをテキスト専用モデルにワークスペースパスとして届ける。画像はネイティブの添付 UI を維持し、その他のファイルは添付欄に四角いチップとして表示。送信時にパスへ自動変換され、dsh-vision-toolkit と組み合わせれば貼り付けるだけで画像を見せられる。

テキスト専用のDSHセッション向けオンデマンドビジョン：画像はマーカーに変換され、vision_describeツールが画像と質問のみをOpenAI互換のビジョンモデルに送信します

強化されたビジョンツールボックス：単一のOpenAI互換エンドポイントで駆動される14のピクセルレベルビジョンツール（describe、ground、detect、crop、pixel-diff、OCR、long-screenshot OCR、vectorize、colors、cutout、screenshot、present、materialize、html-screenshot）、クリーンな[图片: path]ブリッジマーカー、コンテンツ安全性分類、レート制限自動リトライを備える。

PDF、Word、Excel、画像のドラッグ&ドロップファイルアップロード：ドロップされたファイルをローカルディレクトリに保存しパスで参照、チャットにbase64の肥大化を発生させない。

[图片: path] 画像ブリッジマーカーのインラインプレビュー：マーカー描画後、画像がチャットに自動表示され、長い指示を会話外に出す。

DeepSeek Harness 向けのホスト型無料ビジョンサイドカー。永続的なセッションエビデンス付き。

セッション画像を設定可能なビジョンプロバイダーに接続し、テキストのみの分析結果を適格なDeepSeek Harnessモデルルートに返します。

DeepSeek Harness マルチモデルルーティングプラグイン：専門の仕事は専門の agent に任せる——視覚／翻訳／音声／サブエージェントなどの専門 agent をカスタマイズし独立モデルにバインド、マルチモーダルアカウントのワンクリックログイン、アカウントプールヘルスルーティングとリアルタイム使用統計

設定した任意の OpenAI 互換 vision エンドポイント経由でローカル画像を説明する、エージェント呼び出し可能な vision ツール。任意のマルチモデル相互チェックと組み込みキーなし。

DeepSeek Harness向けの完全な視覚機能バンドルです。vision_understandツール(OpenAI互換の視覚API、デフォルトで無料のZhipu GLM-4V-Flash)に加え、画像認識用の貼り付け/ドラッグ&ドロップ/ボタンのエントリーポイントを提供します。

テキスト、ビジョン、画像生成 API を自動ルーティングで 1 つの Mix モデルに結合:テキストのみリクエストはチャットモデルへ、ユーザ画像とエージェントスクリーンショットはビジョンモデルへ、フォローアップは同じセッション画像を使用し続け、エージェントはセッションスコープ呼び出し履歴で画像を生成・編集可能。

Modelsカタログに画像入力チェックボックスをインストールし、カスタムモデルが画像入力を宣言して画像を直接受け取れるようにします。オプションのBYO visionリレーを含みます。

テキスト専用DSHモデル向けの設定可能な画像認識：画像メッセージはまずOpenAI互換のビジョンモデル（Base URL、モデルID、APIキーは設定セクションで指定）によって書き起こされ、画像入力サポートが告知されつつ、テキストとしてメインモデルに渡されます。APIキー認証方式は選択可能 — OpenAI、Anthropic、Gemini、Azureスタイルのリクエストヘッダー — キーが欠落している場合、リクエスト送信前に報告されます。

画像を選択したビジョンモデルにルーティングします — 自動書き換え、明示的なツール、またはハイブリッド — これによりテキスト専用のチャットモデルが画像を含むターンで失敗しなくなります。

ネイティブの視覚能力拡張機能。Zhipu（無料）またはQwen-VL（ローカル）のいずれかを使用します。

添付された画像を設定可能なモデル（15以上のOpenAI互換およびAnthropicベンダー）経由でテキストに書き起こし、DeepSeekが応答し続ける間に処理するビジョンプロバイダールート。

DeepSeek Harness 向けのモデル対話型 `vision` ツール。無料の Zhipu GLM vision API を直接呼び出して画像ファイルを説明・OCR する（glm-4v-flash フォールバックチェーンあり）。外部 CLI は不要。