vision-language-models
✓GPT-5/4o、Claude 4.5、Gemini 2.5/3、Grok 4 視覺模式，用於圖像分析、文檔理解和視覺 QA。在實現圖像標題、文檔/圖表分析或多圖像比較時使用。
SKILL.md
Integrate vision capabilities from leading multimodal models for image understanding, document analysis, and visual reasoning.
| Model | Context | Strengths | Vision Input |
| GPT-5.2 | 128K | Best general reasoning, multimodal | Up to 10 images | | Claude Opus 4.5 | 200K | Best coding, sustained agent tasks | Up to 100 images | | Gemini 2.5 Pro | 1M+ | Longest context, video analysis | 3,600 images max | | Gemini 3 Pro | 1M | Deep Think, 100% AIME 2025 | Enhanced segmentation |
GPT-5/4o、Claude 4.5、Gemini 2.5/3、Grok 4 視覺模式，用於圖像分析、文檔理解和視覺 QA。在實現圖像標題、文檔/圖表分析或多圖像比較時使用。 來源：yonatangross/skillforge-claude-plugin。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/yonatangross/skillforge-claude-plugin --skill vision-language-models- 分類
- {}資料分析
- 認證
- ✓
- 收錄時間
- 2026-02-01
- 更新時間
- 2026-02-18
快速解答
什麼是 vision-language-models？
GPT-5/4o、Claude 4.5、Gemini 2.5/3、Grok 4 視覺模式，用於圖像分析、文檔理解和視覺 QA。在實現圖像標題、文檔/圖表分析或多圖像比較時使用。 來源：yonatangross/skillforge-claude-plugin。
如何安裝 vision-language-models？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/yonatangross/skillforge-claude-plugin --skill vision-language-models 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/yonatangross/skillforge-claude-plugin
詳情
- 分類
- {}資料分析
- 來源
- skills.sh
- 收錄時間
- 2026-02-01