vision-language-models
✓GPT-5/4o、Claude 4.5、Gemini 2.5/3、Grok 4 视觉模式，用于图像分析、文档理解和视觉 QA。在实现图像标题、文档/图表分析或多图像比较时使用。
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 视觉模式，用于图像分析、文档理解和视觉 QA。在实现图像标题、文档/图表分析或多图像比较时使用。 来源：yonatangross/orchestkit。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/yonatangross/orchestkit --skill vision-language-models- 分类
- {}数据分析
- 认证
- ✓
- 收录时间
- 2026-02-01
- 更新时间
- 2026-02-18
快速解答
什么是 vision-language-models？
GPT-5/4o、Claude 4.5、Gemini 2.5/3、Grok 4 视觉模式，用于图像分析、文档理解和视觉 QA。在实现图像标题、文档/图表分析或多图像比较时使用。 来源：yonatangross/orchestkit。
如何安装 vision-language-models？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/yonatangross/orchestkit --skill vision-language-models 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/yonatangross/orchestkit
详情
- 分类
- {}数据分析
- 来源
- skills.sh
- 收录时间
- 2026-02-01