待验证50% 置信事实精确时间

DSH Vision Toolkit 1.38（MIT）为纯文本模型提供图像问答、长截图 OCR、界面还原和像素差异等能力，并将图像证据持久保存以复用

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/27

首次发现

有效期至：2026/11/25

来源

AI Agent可靠性：10个开源项目解决干活容易对账难

涉及实体

DSH Vision Toolkitproduct

相关事实

待验证视觉模型接收每张屏幕截图并输出结构化信息，包括OCR识别文本、页面布局、UI控件的像素坐标框及元素状态71% 相似待验证豆包2.0 Mini支持视觉理解（Vision Understanding）功能，底层采用Vision Transformer（ViT）架构将图片编码为token序列68% 相似待验证PawFlow 中视觉模型将屏幕截图转换为结构化语义描述，包括OCR文本、页面布局、UI控件的[x,y,w,h]像素坐标框及元素状态67% 相似待验证高分辨率视觉能力通过动态切片或高分辨率编码器实现，对代码截图分析、UI设计稿理解等场景重要66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/807693

API

curl https://kongchang.com/api/v1/knowledge/claims/807693

MCP

get_claim(id=807693)