添加视觉理解能力 - 阿里云百炼

运行图片理解 Skill 会消耗 Token Plan Credits，无其他收费项。

前提条件

已订阅 Token Plan。
已在 AI 工具中完成接入配置，且能正常对话，详情请参见接入客户端/开发工具。

视觉支持情况

模型	是否支持视觉	说明
qwen3.8-max qwen3.8-flash qwen3.7-plus qwen3.6-plus kimi-k2.5 等	是	无需额外配置，可直接传入图片
qwen3-max-2026-01-23 qwen3-coder-next qwen3-coder-plus glm-5 glm-4.7 MiniMax-M2.5	否	需通过 Skill 或 Agent 辅助模型获得视觉能力

方法 1：直接使用视觉模型（推荐）

qwen3.7-plus 等模型具备视觉理解能力。如果经常需要处理图片，直接切换到这些模型是最简单、推荐的做法。

工具	模型切换方式
Claude Code	`/model qwen3.7-plus`或`/model qwen3.6-plus`或`/model qwen3.5-plus`或 `/model kimi-k2.5`
OpenCode	`/models`→ 搜索并选择`qwen3.7-plus`或`qwen3.6-plus`或`qwen3.5-plus`或`kimi-k2.5`
Qwen Code	`/model`→ 选择`qwen3.7-plus`或`qwen3.6-plus`或`qwen3.5-plus`或`kimi-k2.5`

更多编程工具中的模型切换方式请参考接入客户端/开发工具。切换后可直接在对话中引用图片路径，或拖拽/粘贴图片。

方法 2：通过 Skill 或 Agent 添加视觉能力

如需使用 glm-5、MiniMax-M2.5 等不支持视觉的模型处理图片，可通过配置 Skill 或 Agent 实现。

Claude Code
OpenCode

添加 Skill 在项目目录下的 .claude 文件夹中新建 skills/image-analyzer 目录：

mkdir -p .claude/skills/image-analyzer

在该目录下创建 SKILL.md 文件，并写入以下内容：

---
name: image-analyzer
description: 帮助没有视觉能力的模型进行图像理解。当需要分析图像内容、提取图片中的信息、文字、界面元素，或理解截图、图表、架构图等任何视觉内容时，使用此技能，传入图片路径即可获得描述信息。
model: qwen3.7-plus
---
qwen3.7-plus具有视觉理解能力，请直接使用qwen3.7-plus模型进行图片理解。

创建完成后的目录结构如下：

.claude/
└── skills/
    └── image-analyzer/
        └── SKILL.md

开始使用
1. 在项目目录下运行claude启动 Claude Code，并运行/model glm-5切换到glm-5模型。
2. 下载aliyun.png到项目目录下，并提问：请加载image-analyzer skill，描述一下 aliyun.png banner位置是什么信息。可收到如下回复： aliyun.png 为阿里云官网首页截图，banner 区域标题为 Coding Plan 已支持 Qwen3.5，正文介绍阿里云百炼支持 Qwen3.5、Kimi-k2.5、GLM-4.7 等模型，新客首月仅 7.9 元，页面提供立即订阅和在线咨询入口。

添加 Agent 在项目目录下的 .opencode 文件夹中新建 agents 目录：

mkdir -p .opencode/agents

在该目录下创建image-analyzer.md文件，并写入以下内容：

model 字段必须使用 OpenCode 配置文件中定义的 provider 和模型名称。参考 OpenCode 文档的配置示例，应为bailian-token-plan/qwen3.7-plus。

---
description: Analyzes images using a vision-capable model. Use this agent when the user needs to understand image content, extract information from screenshots, diagrams, UI mockups, or any visual content. Invoke with @image-analyzer followed by the image path and your question.
mode: subagent
model: bailian-token-plan/qwen3.7-plus
tools:
  write: false
  edit: false
---
You have vision capabilities. Analyze the provided image and return a clear, structured description focused on what the user is asking about.

创建完成后的目录结构如下：

.opencode/
└── agents/
    └── image-analyzer.md

开始使用
1. 在项目目录下运行opencode启动 OpenCode，并切换到glm-5模型。
2. 下载aliyun.png到项目目录下，通过@唤起image-analyzer并提问：@image-analyzer，描述一下 aliyun.png banner位置是什么信息。可收到如下回复：

Banner位置包含：
左侧：
- 汉堡菜单图标
- 阿里云橙色logo和"阿里云"文字
- 导航菜单：大模型、产品、解决方案、权益、定价、云市场、伙伴、服务、了解阿里云
右侧：
- 搜索框(显示"大模型")
- 图标：蓝色圆圈、地球、耳机
- 链接：文档、备案、控制台
Build · glm-5 · 37.0s

常见问题

OpenCode + 视觉理解模型为什么无法理解图片？

原因：OpenCode 默认不启用模型的视觉能力，需要在配置文件中显式声明 modalities 参数。解决方案：在 OpenCode 配置文件的模型定义中添加 modalities 字段，将 input 设为 ["text", "image"]，如下所示：

将sk-sp-xxx替换为Token Plan API Key。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "bailian-token-plan": {
      "npm": "@ai-sdk/anthropic",
      "name": "Model Studio Token Plan",
      "options": {
        "baseURL": "https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
        "apiKey": "sk-sp-xxx"
      },
      "models": {
        "qwen3.6-plus": {
          "name": "Qwen3.6 Plus",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "qwen3.5-plus": {
          "name": "Qwen3.5 Plus",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "kimi-k2.5": {
          "name": "Kimi K2.5",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        }
      }
    }
  }
}

OpenClaw + 视觉理解模型为什么无法理解图片？

原因：OpenClaw 需要通过配置文件中的 input 字段来判断模型是否支持视觉能力。解决方案：

在~/.openclaw/openclaw.json配置文件中，确保模型定义包含"input": ["text", "image"]字段。

{
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
        "apiKey": "YOUR_API_KEY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.6-plus",
            "name": "qwen3.6-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "qwen3.5-plus",
            "name": "qwen3.5-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 32768
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.6-plus"
      },
      "models": {
        "bailian/qwen3.6-plus": {},
        "bailian/qwen3.5-plus": {},
        "bailian/kimi-k2.5": {}
      }
    }
  },
  "gateway": {
    "mode": "local"
  }
}

修改配置后，需要清除 OpenClaw 的模型缓存并重启，否则旧的配置仍会生效。

rm ~/.openclaw/agents/main/agent/models.json
openclaw gateway restart

​前提条件

​视觉支持情况

​方法 1：直接使用视觉模型（推荐）

​方法 2：通过 Skill 或 Agent 添加视觉能力

​常见问题

前提条件

视觉支持情况

方法 1：直接使用视觉模型（推荐）

方法 2：通过 Skill 或 Agent 添加视觉能力

常见问题