プラグイン

テキスト専用モデル向けのビジョンブリッジ: 画像を貼り付けると、構造化された JSON エビデンス（OCR、レイアウト、セマンティクス）を取得。

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。

画像、音声、音楽、動画制作のための TongFlow 撮影クルースタジオ：エージェントがアセットごとに TongFlow ワークフローファイル（.tongflow.json）を作成し TongFlow プラグインを通じて実行します。埋め込みワークフローキャンバス、ショット／キャラクター／テイクのプロジェクトレイアウト、マンガドラマテンプレートを備え、@tongflow で始まるセッションはスタジオビューを開きます。

DeepSeek Harness（dsh）用 TongFlow スタジオプラグイン：撮影クルー形式のプロジェクトモデル、エージェント作成の TongFlow ワークフロー、決定論的メディア生成、埋め込みキャンバス。

DeepWatch の機能を、既存の DeepSeek Harness プロファイルにインストールできるようにします。

Claude Code または Codex から DSH エージェントへ作業をディスパッチ：ネイティブサブエージェントの進捗表示、ティア別プリセット付きホスト内ワーカーセッション、および視覚・画像生成のためのマルチモーダルブリッジ。

Managed Agents 設定タブと MCP tools を追加し、長時間実行の agent tasks を Ark cloud Managed Agents に振り分ける。

ネイティブ DSH model picker に Ark Agent Plan、Coding Plan、postpaid model routes を登録する。

DeepSeek Harness（DSH）向けの Volcengine Ark プロバイダープラグイン：ネイティブの pi-ai アダプターに Agent Plan、Coding Plan、後払いルートを登録し、Ark モデルがモデルピッカーに表示されるようにします。

アカウントログイン、APIおよびカスタムProvider設定、モデル切り替え、テキストのみモデル用の画像フォールバック、トークン/コスト帰属をDeepSeek Harness 47fに追加。

テキストのみのモデル向けデザイン忠実度 QA。`deepseek_vision` ツールが OpenAI 互換の任意の vision 経路から目を借りることで、モデルは実装がモックと一致するかを判断できます。これとともに、その判断の裏にあるベンチマーク（4 つの fixture、23 個の注入不具合、raw transcript）と、それが依拠する質問の規律も提供されます。

テキストのみのモデルのための画像「読み取り」：ダウンスケール＋色深度削減＋構造／色のフィンガープリントをテキストグリッドに変換して会話に戻すことで、モデルはマルチモーダルモデルのように自律的にズーム、サンプリング、OCR を行えます。完全にローカルで動作し、外部モデルへの依存はゼロ。画像読み取りの方法論スキルとオプションの PaddleOCR を同梱しています。

DeepSeek Harness にネイティブに近い画像理解機能を追加。

DeepSeek Harness 向け ROS2 デバッグツールセットとロボット状態視覚分析: ノード/トピック/サービス/アクション/インターフェース/TF 列挙、グラフ全体トポロジ JSON、rosdep チェック、承認ゲート付きビルドとカスタムメッセージスキャフォールド、GUI スクリーンショットとマルチモーダル視覚観測に加え、ヘッドレス RViz2 オフスクリーンレンダリング(ローポリのメッシュ、直接ピクセル読み取り、GPU パススルー — モーションは 30Hz レンダリング)と並列 VLM リアルタイム解析。

テキスト専用モデルに視覚機能を付与: ユーザーの画像を OpenAI 互換のビジョンモデルに転送し、その説明を Web UI の右パネルに表示します。

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。

MiniMaxマルチモーダルブリッジ:単一の`mmx_bridge`ツールで画像理解/生成、動画、TTS、音楽、カバー、ウェブ検索、クォータをカバー。`web_search`/`read_image`の乗っ取りもオプションで可能。Web GUI内にインラインプレーヤー/画像プレビューを表示(npm:`dsh-mmx-bridge`)。

ビジョン言語ゲートウェイのプロバイダールート:貼り付けられた画像はDeepSeekに送られる前に、設定可能なVLモデル(デフォルトはQwen-VL)によって説明文が生成されます。

確定済みのアシスタントメッセージに対する Xiaomi MiMo テキスト読み上げコントロールを追加。プリセットボイスとカスタムボイスデザインに対応します。

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。

テキスト専用モデルに画像を見せられるようにします：[image omitted because this model accepts text only] のようなプレースホルダー付きで画像が届くと、モデルは vision_describe ツールを呼び、プラグインが画像参照と質問をマルチモーダルモデルへ転送し、失敗時はフォールバックモデルで再試行します。設定ページで構成し、公式の設定 API で永続化されます。

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

MiniMax駆動のマルチモーダルプラグイン：リアルタイム音声通話モード（ストリーミング会話、フローティングドックUI）、音声モードとマイク音声入力、さらに画像/動画/音楽/音声生成および視覚検査ツール。

Gemini、MiMo、GLM など 20 以上のモデルを備えた DSH 用無料モデルプロバイダープラグイン。