真实图片构造三种协议，并检查不支持视觉的失败

2026-10-23 · 本次实际执行记录 · 非产品原生界面

Pillow真实解码与本地协议构造；对不具视觉能力的本地模型执行负向检查。

运行结果与观察

真实PNG已由Pillow读取，三种协议构造命令均已执行；构造器没有网络请求。

本地不支持视觉的请求记录：{"status": 500, "message": "500 image input is not supported - hint: if this is unexpected, you may need to provide the mmproj"}

本API组真实发出2次非流式Chat探针，分别gemini-2.5-flash与gemini-2.5-flash-lite，均HTTP429（当前测试Key分组上游饱和）。以下共享该组探针，绝非本页另发调用；随后SSE、Vercel、n8n、图片请求均未发送。

另准备原创1200×800虚构订单表用于后续视觉验收；本轮未向网关发送，不能用预写表格内容冒充模型识别结果。

具体操作

保留图像原件并确认格式练习图来自本站已有虚构表格素材；先解码确认PNG尺寸、字节和可见内容，不依据文件名猜答案。
实际生成三个独立消息体脚本读取同一张PNG，输出image_url/input_image/image三种对应结构，标签ID与原始文件绑定。
python3 build-message.py --protocol chat --model tutorial-qwen3-proof:latest --images table=table-input.png --prompt prompt.txt --output new-chat.json
核对请求协议而不是只换路径分别用--protocol responses与anthropic生成另外两份；Chat与Messages不是相同数组字段，不能只把端点名字替换。
确认文字模型不能代替视觉验收当前tutorial-qwen3-proof:latest没有vision能力；真实负向请求及错误正文保留在结果中，拒绝不等于已识别图片。
cd sdk && node run.mjs vision ../vision-image-input-api/new-result.json
有合适模型后逐字段验图片选具视觉能力的真实模型，再校验行序、前导零、空白和无法判断字段；本轮本机无视觉型号；真实网关文字探针被当前测试Key分组429拒绝后已停止，未发送图片请求。
范围与限制

当前没有可用vision模型；图片语义、OCR、费用与apizt视觉链路均未验证。

本批获授权使用既有测试Key，OpenAI SDK两次最小探针均HTTP429：当前测试Key分组上游饱和，随后停止。不能据此声称全站不可用；本地成功不能当作apizt上游或实扣成功。