昨天我遇到了一个奇怪的问题：在 dsh（DeepSeek Harness）里给 sensenova-6.8-flash-lite 上传图片，结果报错”Model does not support image input”。后来发现原因很简单——模型的 input 能力没有在配置里声明，pi-ai 默认只认文本。

修好之后我整理了所有模型的多模态能力，顺便把完整的配置方法写下来，方便以后用到。

一、dsh 是怎么判断模型是否支持图片的？

dsh 的 LLM 层用的是 pi-ai 库。它在收到图片请求时，会检查模型的 inputModalities：

1
2
3
4
// pi-ai 源码
if (containsImage && !model.input.includes("image")) {
    throw new LlmError(`pi-ai model "${model.id}" does not support image input`, "UNSUPPORTED_CONTENT");
}

而模型的能力来自你的 settings.yaml：

1
2
3
4
5
models:
  - id: sensenova-6.8-flash-lite
    input:          # ← 这个字段决定了一切
      - text
      - image

如果不写 input，pi-ai 使用默认值 ["text"]，图片就被拒了。

记住一条规则：不声明 = 不支持。

二、各模型多模态能力对照表

根据供应商文档和源码逻辑，整理如下：

sense-nova 提供商（讯飞 Sensenova）

模型 ID 支持图片 上下文窗口 备注
sensenova-6.8-flash-lite ✅ 未声明 讯飞主力多模态模型
sensenova-6.7-flash-lite ❌ 262144 纯文本
sensenova-u1-fast ❌ 262144 快速版，纯文本
sensenova-u1.5-lite ✅ 262144 多模态
deepseek-v4-flash ✅ 1048576 DeepSeek V4 系列支持图片
deepseek-v4-pro ✅ 1048576 DeepSeek V4 系列支持图片
glm-5.2 ✅ 1048576 智谱 GLM 多模态
kimi-k3 ❌ 1048576 月之暗面，代码/文本为主

hcnsec 提供商（HCNSEC 聚合代理）

模型 ID 支持图片 备注
auto ⚠️ 不确定 自动路由，不固定模型，声明意义不大
DeepSeek-V4-Flash ✅ 同 sense-nova 的 deepseek-v4-flash
DeepSeek-V4-Pro ✅ 同 sense-nova 的 deepseek-v4-pro
glm-5.3-flash ✅ 智谱新一代多模态
longcat-2.0 ✅ LongCat 多模态
spark-x2.5 ✅ 讯飞星火多模态
step-3.7-flash ✅ Step 系列多模态
sensenova-6.8-flash-lite ✅ 同 sense-nova
sensenova-u1.5-lite ✅ 同 sense-nova
kimi-k3 ❌ 纯文本
MiniMax-M3 ❌ 文本/函数调用
step-explore ❌ 文本探索类
step-router-v1 ❌ 路由/函数调用类
Qwen3-Embedding-8B ❌ 嵌入/基座模型
Qwen3.6-35B-A3B ❌ 嵌入/基座模型

判定原则

  • 有 “flash”、”lite”、”v4” 且来自 DeepSeek/GLM/讯飞星火/LongCat 的，通常支持图片
  • 有 “embedding”、”router”、”explore”、”fast” 的，通常是纯文本
  • “auto” 这种路由模型，声明了也没用，因为实际路由到的模型不确定
  • 拿不准的时候，加上 input: [text, image] 也没坏处——pi-ai 会在发送时做二次校验，不会造成额外问题

三、怎么修改配置

配置文件位置：/root/.dsh/settings.yaml

步骤一：编辑文件

用 vim 打开：

1
vim /root/.dsh/settings.yaml

步骤二：找到目标模型，加上 input 字段

修改前：

1
2
- id: sensenova-6.8-flash-lite
  name: sensenova-6.8

修改后：

1
2
3
4
5
- id: sensenova-6.8-flash-lite
  name: sensenova-6.8
  input:
    - text
    - image

注意 YAML 缩进要用空格，不要用 tab。

步骤三：重启 dsh

1
2
3
4
5
kill $(pgrep -f 'dsh web')
nohup dsh web --no-open --host 127.0.0.1 --port 3080 \
  --trusted-host 43.153.148.187:3081 &
sleep 3
ss -tlnp | grep 3080

步骤四：验证

在 dsh web 里上传一张图片，如果不再报 MODEL_DOES_NOT_SUPPORT_IMAGES，就说明配置生效了。

四、完整的 settings.yaml 参考

以下是我修改后的完整配置，供参考：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
agent-default-model:
  provider: sense-nova
  model: sensenova-6.8-flash-lite

llm-deepseek: {}

llm-pi-ai:
  providers:
    sense-nova:
      apiKeyEnv: SENSE_NOVA_API_KEY
      api: openai-completions
      baseURL: https://token.sensenova.cn/v1
      models:
        - id: sensenova-6.8-flash-lite
          name: sensenova-6.8
          input:
            - text
            - image
        - id: sensenova-6.7-flash-lite
          name: sensenova-6.7-flash-lite
          contextWindow: 262144
        - id: deepseek-v4-flash
          name: deepseek-v4-flash
          contextWindow: 1048576
          input:
            - text
            - image
        - id: glm-5.2
          name: glm-5.2
          contextWindow: 1048576
          input:
            - text
            - image
        - id: sensenova-u1-fast
          name: sensenova-u1-fast
          contextWindow: 262144
        - id: sensenova-u1.5-lite
          name: sensenova-u1.5-lite
          contextWindow: 262144
          input:
            - text
            - image
        - id: deepseek-v4-pro
          name: deepseek-v4-pro
          contextWindow: 1048576
          input:
            - text
            - image
        - id: kimi-k3
          name: kimi-k3
          contextWindow: 1048576

    hcnsec:
      apiKeyEnv: HCNSEC_API_KEY
      api: openai-completions
      baseURL: https://api.hcnsec.cn/v1
      models:
        - id: auto
        - id: DeepSeek-V4-Flash
        - id: DeepSeek-V4-Pro
        - id: glm-5.3-flash
          input:
            - text
            - image
        - id: kimi-k3
        - id: longcat-2.0
          input:
            - text
            - image
        - id: MiniMax-M3
        - id: Qwen3-Embedding-8B
        - id: Qwen3.6-35B-A3B
        - id: sensenova-6.8-flash-lite
          input:
            - text
            - image
        - id: sensenova-u1.5-lite
          input:
            - text
            - image
        - id: spark-x2.5
          input:
            - text
            - image
        - id: step-3.7-flash
          input:
            - text
            - image
        - id: step-explore
        - id: step-router-v1

五、一个容易踩的坑：API 格式

dsh 的 session.prompt 接口接受的图片格式，和 OpenAI API 不一样。

OpenAI 格式（不能用）：

1
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}

dsh 格式（正确）：

1
{"type": "image", "mediaType": "image/jpeg", "data": "<base64>"}

支持的 mediaType 只有四种：image/png、image/jpeg、image/webp、image/gif。

用错了格式会报 invalid_union 错误，和 MODEL_DOES_NOT_SUPPORT_IMAGES 长得很像，容易混淆。

六、总结

  1. dsh 不自动探测模型能力，你的 settings.yaml 就是真相源
  2. 想支持图片，必须显式声明 input: [text, image]
  3. 不确定某个模型是否支持图片？ 加上声明通常没坏处，pi-ai 会在发送时做二次校验
  4. API 格式要匹配，dsh 用 mediaType + data，不是 image_url

如果你在用其他我没列出来的模型，可以把模型 ID 告诉我，我帮你确认要不要加声明。