DeepSeek-V4-Flash 看不了图片？用 pi-image-bridge 给它装一双眼睛

为什么 DeepSeek-V4-Flash 被这么多人设成主模型？#

DeepSeek-V4-Flash-0731 出来后，身边朋友一个接一个把它设成主模型。任务通过率高，缓存命中率还高，以至于整体价格便宜到能当默认模型挂着。写代码、写文档、查资料，跟贵价模型没差。

就是看不见图。

模型没有视觉能力，哪些场景最受影响？#

主模型不认图片，所有依赖”看图”的活儿都得人肉转述：

• 截图报错：报错信息在截图里，只能手动敲给模型
• UI 设计稿：改样式要看设计稿，调布局要对着效果图，视觉回归靠截图对比——图是前端开发的工作语言，主模型看不见，等于少半边手
• 图表表格：数据在图片里，模型只能靠描述猜
• 无头浏览器自动化：headless（无头）服务器没有屏幕，截图是唯一能看到页面状态的手段；脚本截了图，模型看不懂，断言和调试全靠猜

一次两次忍了，多了真的烦。为看张图换掉又便宜又顺手的模型？不值。

给它配个眼睛，才是正解。

怎么给 DeepSeek-V4-Flash 补上视觉能力？#

思路一句话：找个支持视觉的模型当副驾。主模型遇到图片，自动把图发给视觉模型；视觉模型看完，用文字把画面描述出来；主模型接着干活。

图片进不来，文字进得来。

pi-image-bridge 就是干这个的，项目地址->moewah/pi-image-bridge，它是基于 pi（AI 编程终端）的扩展，装上后两条路径自动接管：

• 拖图进对话，自动分析、注入描述
• 工具读到图（read 读截图、抓网页的图），同样自动处理

主模型”看”到的是一段准确描述。报错、布局、数字，一样不落。

pi-image-bridge 怎么安装？#

1
pi install npm:@moewah-dev/pi-image-bridge

装完重启 pi（或 /reload 重载一次），扩展加载时自动生成配置文件 ~/.pi/agent/pi-image-bridge.json，默认关闭状态，需要修改配置文件。

pi-image-bridge 怎么配置？#

一般只需要确认两个字段：enabled 设为 true，vision.model 填一个支持视觉的模型，其余保持默认。不放心的话fallbackModels 再填一个备用模型。

配置文件 pi-image-bridge.json 修改示例，如下

1
{
2
  "vision": {
3
    "enabled": true,
4
    "model": "opencode-go/gpt-5.6-luna",
5
    "fallbackModels": [
6
      "opencode-go/qwen3.7-plus"
7
    ],
8
    "timeoutMs": 30000,
9
    "maxImages": 4,
10
    "force": false,
11
    "cache": true
12
  }
13
}

如果你订阅 OpenCode Go 其实有蛮多支持视觉的模型的，作为视觉模型便宜、好用是最主要的，例如在 OpenCode Go 套餐下的 opencode-go/gpt-5.6-luna、opencode-go/qwen3.7-plus 等都比较推荐使用。

各字段的用途：

几个值得知道的行为细节：

• 模型失败自动切换：主视觉模型挂了，自动试备用链，不会因为一次限流就罢工
• 会话内缓存：同图同要求只调一次，重复图直接命中，/image-bridge stats 能看实际花了多少
• 图片数量上限：一次拖 10 张不会打爆上下文，默认最多分析 4 张，超出会提示
• 全程可取消：按 Esc，正在跑的视觉调用立刻中止，不浪费额度

pi-image-bridge 支持哪些图片格式？#

PNG、JPEG、GIF、WebP 直接支持，BMP 也能读（自动转成 PNG 处理）。图片链路跟着 pi 主程序走，扩展能处理的格式和 pi 一致。

AVIF 暂时不支持。pi 的图片管线只认上述几种格式，其他格式一律尝试转成 PNG——AVIF 恰好卡在这一步：pi 内置的转换库解不了 AVIF，图片在到达扩展之前就被丢弃。这是 pi 主程序的限制，等 pi 官方支持 AVIF 解码，这边自然就通了。

DeepSeek-V4-Flash 用经济性把模型能力平民化了，pi-image-bridge 补的是它最后一块短板。主模型负责聪明，视觉模型负责看。各司其职，性价比最高的组合。