是 OpenClaw 中专门用于视觉理解的模型配置，独立于主对话模型（）。当对话涉及图片或视觉内容时，OpenClaw 会自动切换到 指定的模型来处理。
主模型（）不一定支持视觉输入。例如：
- 是纯文本模型，无法处理图片
- 支持多模态（文本+图片）
单独配置 可以做到：文本走快模型，图片走多模态模型，兼顾速度和能力。
在 OpenClaw 配置文件中（）：
GPT plus 代充 只需 145
两种写法都支持：
讯享网
场景 说明
用户发送图片 照片、截图等图片附件，agent 需要"看图说话"时
用户发送 PDF PDF 含扫描页/图片，需视觉分析时（先查 ，未配则回退到 ）
媒体理解管线 收到的图片/视频截帧经过自动媒体理解流程时
agent 工具调用 agent 使用内置的 工具分析图片时
讯享网
逐个尝试，第一个成功即返回。全部失败则报错：
"No image model configured. Set agents.defaults.imageModel.primary or agents.defaults.imageModel.fallbacks."
如果没有配置 ，PDF 工具会自动回退到 的配置。
当未配置 且系统检测到对应 provider 的 API key 时，会使用内置默认：
Provider 默认模型 OpenAI Anthropic Google MiniMax ZAI
讯享网
效果：
- 纯文本对话 →
- 发图片 → ，失败则 →
- 发 PDF → ，未配则回退到 imageModel 链
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/211935.html