Partially Verified80% confidenceFactExact time
视觉模型现在能看到由 MCP 工具返回的图片，多图对话时系统直接提供解码后的像素数据而非转发 base64
4
Sources
80%
Confidence
Medium-term (~90 days)
Relevance
9/22/2026
First Seen
Valid until: 12/21/2026
Sources
Related Entities
Related Claims
Unverified视觉模型接收每张屏幕截图并输出结构化信息，包括OCR识别文本、页面布局、UI控件的像素坐标框及元素状态76% similarUnverifiedDSH Vision Toolkit 1.38（MIT）为纯文本模型提供图像问答、长截图 OCR、界面还原和像素差异等能力，并将图像证据持久保存以复用74% similarUnverified屏幕理解型AI工具通常通过截图或实时画面捕获获取屏幕内容，行业内主流方案包括本地处理和加密传输后云端处理两种70% similarUnverifiedV0新增了图像生成功能，可直接为应用生成UI素材，替代之前需要通过Replicate MCP实现的流程70% similarUnverifiedPawFlow采用按图像内容哈希缓存视觉描述的策略，屏幕像素未变则哈希不变，直接命中缓存跳过视觉模型调用69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/941181API
curl https://kongchang.com/api/v1/knowledge/claims/941181MCP
get_claim(id=941181)