部分验证80% 置信事实精确时间
视觉模型现在能看到由 MCP 工具返回的图片，多图对话时系统直接提供解码后的像素数据而非转发 base64
4
来源数
80%
置信度
中期 (~90 天)
时效性
2026/9/22
首次发现
有效期至：2026/12/21
来源
涉及实体
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76% 相似待验证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74% 相似待验证定向回放机制使智能体在推理阶段可重新访问原始视频帧，从像素层面恢复观察阶段未被写入文本描述的视觉细节。71% 相似待验证Computer平台推出了内联图表、示意图和数据可视化功能，让用户能直接在对话或工作流中生成并查看图形化内容71% 相似待验证屏幕理解型AI工具通常通过截图或实时画面捕获获取屏幕内容，行业内主流方案包括本地处理和加密传输后云端处理两种70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/941181API
curl https://kongchang.com/api/v1/knowledge/claims/941181MCP
get_claim(id=941181)