建議：DeepSeek Harness 原生圖像輸入 + 眼驗證加權（支援自動長時間運行）

[toosyer]

建議：DeepSeek Harness 主模型原生支援圖像輸入（免 vision API 兜路）

問題描述（可重現）

DeepSeek Harness 入面跑嘅主模型（deepseek-v4-pro）冇 declare image input。
Agent 要「睇圖驗證」時用 read_image 會報錯：

ToolCallError: cannot read "xxx.png" as an image:
model "deepseek-v4-pro" does not declare image input;
switch to an image-capable model to read images

而家嘅兜路

import base64, requests
img = base64.b64encode(open("截圖.png","rb").read()).decode()
payload = {
"model": "deepseek-v4-flash-vision-exp",
"messages": [{"role":"user","content":[
{"type":"text","text":"描述呢張圖"},
{"type":"image_url","image_url":{"url":"data:image/png;base64,"+img}}
]}],
"max_tokens": 2000,
}
r = requests.post("https://api.deepseek.com/chat/completions",
headers={"Authorization":"Bearer sk-xxx"}, json=payload, timeout=180)
print(r.json()["choices"][0]["message"]["content"])

建議

請俾 DeepSeek Harness 主模型原生支援圖像輸入，令 read_image 工具可以直接俾主模型用。
例如：主模型 declare image input，或者 Harness 內建 vision 轉接層（read_image 自動轉去 vision 模型，對 Agent 透明）。

提議官方加入參考物。每個任務使用眼睛來完成單個加權。確定後數小時自動跑

[Koracan]

v4pro不是多模态模型，做不到读图。如果要读图应换用v4.1flash（其实一般不需要用v4pro，因为v4.1flash在大多数任务下都更好，也更便宜）。