[ac#1420] 自带 key 的模型如实标注能否看图 —— 直连按 models.dev、平台一律不能、自定义只认用户声明

[jinjunnn]

Fixes #1420
Refs jinjunnn/alpha-work#105

这次改了什么

自带 Key 的模型里本来就能看图的几个（Qwen3.8 Max、Kimi K3、Kimi K2.6），用户发给它们的图片现在会原样送到模型。以前 Code Puppy 在发出之前就把图片换成了一句 “this model does not support image input”。平台代理模型保持原样，仍然看不了图。自己填地址接入的服务，只有用户显式声明过的模型才算能看图。

这个值由谁写、由谁读

• 谁读：引擎的 capabilities.input.image，由 packages/opencode/src/provider/transform.ts 的 unsupportedParts() 读取（if (model.capabilities.input[modality]) return part）。[REQ-228][CODE] 看不了图的模型：贴图和读到的图片自动送云端识图，模型可按路径追问 #1419 的识图插件以后也读这个值。
• 谁写：引擎 provider.ts 的 config 合并，公式是 model.modalities?.input?.includes("image") ?? existingModel?.capabilities.input.image ?? false。注入的 config 里没写 modalities 时，它会回落到 models.dev 底表里 provider id 和 model id 都相同的那一条。
• 改之前：alpha-models.ts 三段注入都不写 modalities，所以全部模型都判成 false。它不是逻辑 bug，是数据模型里缺字段：直连目录和自定义节点记录都没有地方写“能不能看图”。

数据从哪里来（勘破结论）

• 打包后的 sidecar 在运行时拿不到 models.dev 数据。 托管模式下，OPENCODE_MODELS_PATH 指向 alpha 自己物化的最小底表（alpha-config-injection.ts governedModelsBase，所有模型都写死 modalities.input: []）。ui-mac 的构建也没有 OPENCODE_MODELS_DEV 的 define。所以“查 models.dev 快照”只能在编目录时做，运行时做不了。

• 直连目录（alpha-models.json）：每个 provider 新增两个字段。

  • modelsDev：出处，也就是和本条 baseURL 同一个端点的那个 models.dev provider id。
  • imageInput：逐个模型显式写 true 或 false。值来自 2026-09-23 的 https://models.dev/api.json（sha256 219bfd29…），查同名模型的 modalities.input 里有没有 image：

  provider（modelsDev）	能看图	不能看图
  deepseek（deepseek）	—	deepseek-flash（按实测覆盖 models.dev，见下）, deepseek-v4-pro
  zhipuai（zhipuai）	—	glm-5.2, glm-4.5-air
  minimax（minimax-cn）	—	MiniMax-M2
  alibaba（alibaba-cn）	qwen3.8-max	qwen-plus, qwen3-coder-plus
  moonshot（moonshotai-cn）	kimi-k3, kimi-k2.6	—

  alibaba 和 moonshot 的国际站 id（alibaba 和 moonshotai）给出的值相同。

  唯一例外：deepseek-flash 取 false（与 models.dev 不一致，按实测证据取 false，直连实测后再定）。 models.dev 把它标成能看图；协调方 2026-09-24 实测：OpenRouter 目录里 deepseek/deepseek-v4-flash 的 input_modalities 是 ["text"]，带图请求（含 provider.only=["deepseek"] 官方端点）返回 404 No endpoints found that support image input（15 个端点全部不支持图片），能看图的是另一个型号 deepseek-v4-flash-vision-exp。我们没有 DeepSeek 直连 key，没法实测 deepseek-flash 这个直连 id，所以按 fail-closed 取 false：错标 false 的代价是多一次云端识图，错标 true 的代价是用户贴图直接报错。出处写在 alpha-models.json 的 _imageInputNote 和 runbook §B，runbook 里也写了直连实测后怎么改回来（commit fc2d59978）。

• 平台模型：每一行都显式写 modalities.input: ["text"]。网关的两个聊天入口今天都返回 400、拒收图片，就算上游的 claude-* 能看图也一样。

• 自定义节点：真源记录新增一个可选字段 imageInput（必须是 models 的子集，非空，不能重复；缺这个字段就表示一个都看不了）。providers.add 会透传它并做校验。用户声明了哪个模型不在 models 里，就在存密钥之前直接拒掉。这里不拿 models.dev 猜：自定义地址上的同名模型不一定是 models.dev 里那一个。

• 每个注入的模型都显式写 modalities，不把决定留给回落。真引擎手段自证实测过：同一份注入去掉 modalities 之后，id 恰好叫 openai 的自定义节点会从 models.dev 继承到 image: true。

本地门（worktree .worktrees/1420-byok-image-capability，产物已补齐：electron dist/path.txt 软链到主 checkout，alpha_fence.node 在本树用 scripts/build-fence-addon.ts 现编）

bash scripts/alpha-check.sh（rebase 到 origin/alpha@b03e79da1 之后）：

▶ [1/14] north-star guard (zero upstream edits)
    ✓ zero upstream package edits
▶ [4/14] typecheck (alpha packages: contracts-consumer + ext + ui-mac + opencode + core + schema)
    ✓ typecheck
▶ [5/14] contract lock + unit tests
 5329 pass
 0 fail
Ran 5329 tests across 383 files. [350.11s]          ← ui-mac bun test src
✓ 222 个闸门文件全部在位且真的跑过(条数与登记精确一致)
    ✓ docs links (2 个 Markdown)
        ✓ packages/ui-mac/src/main 59126 行(= 基线)
        ⚠ 超阈值:packages/ui-mac/src/main/ext-config.ts 1598 行 > 800
exit=0

base fail-set 对照：同一棵树、同一套补齐的产物，在 base 8c8867c90 上跑 cd packages/ui-mac && bun test src，结果是 5321 pass / 0 fail。本分支是 5329 pass / 0 fail，多出来的 8 条都是新用例，没有新增失败。

新判据（先证明它们能变红）

• image-input-capability.test.ts（新闸门文件，已登记）：起真引擎跑 models --verbose，逐个注入的模型读引擎最终认定的 capabilities.input.image，期望值是手写的字面量。
  • 手段自证臂：同一台引擎、同一份注入，只删掉 modalities。结果是直连模型全部退回 false，同名 openai 节点变成 true。这一臂同时就是 base 行为的样子（base 本来就不写 modalities）。
  • 在 base 源码上跑这个文件是红的。
• alpha-models.test.ts：新增 4 条（39 → 43）。
  • 出货目录的完备性：每个直连模型都必须有显式的布尔值。
  • 注入逐行检查：平台每一行只有 text。
  • 目录缺值时注入成看不了图。
  • providers.add 带 imageInput 的完整链路，以及拒收的情况。
• custom-provider-truth.test.ts：新增 2 条（8 → 10），覆盖 imageInput 的正样本和 4 种坏形状。
• 已有断言里写死了 {name} 形状的，都补上了 modalities，共 7 处。这些正是动笔前预判会变红的那几条。

模块体积

• scripts/module-size-ratchet.tsv 的 tree 行从 59,075 抬到 59,126（+51，全部来自本票，理由写在那一行里）。
• ext-config.ts 超过 800 行阈值：本票只在里面加了 6 行添加时的子集校验。校验必须和其余准入逻辑放在同一个 validateProviderInput 里，才能拒在存密钥之前。没有顺手拆这个文件。

主动没做的事

• 没有做添加表单里的“能看图”开关（renderer/alpha-ui/model-picker-add.tsx）。这是 UI 改动，要先走设计稿流程。今天用户只能通过真源记录（<appData>/alpha-code-state/custom-providers/<env>.json）或 IPC 来声明。已有的表单不带这个字段，所以在界面上重新保存一个节点，会把之前手写的声明清掉（行为是回到看不了图，按 fail-closed 方向）。
• 没有动识图调用本身（[REQ-228][CODE] 看不了图的模型：贴图和读到的图片自动送云端识图，模型可按路径追问 #1419），也没有动平台模型目录的 schema。
• 没有改 governedModelsBase（v2 底表仍然写 modalities.input: []）：config 里显式写的值优先，v1 引擎和 v2 拷贝都会拿到注入里的 modalities。
• 没有对任何上游实测“到底收不收图”。能力值以 models.dev 为准，有差异就以 models.dev 为准。
• 没有开审计轮，也没有写 Project 字段。

🤖 Generated with Claude Code