使用图像生成器进行视力测试

使用图像生成器进行视力测试 | AI生成和翻译

首页 2026.07

问题：为什么我的 ww vision-model test 总是返回 finish_reason=stop 且响应内容为空？

答案：

主要问题很可能是模型类型不匹配。

你测试时使用了：

--model black-forest-labs/flux.2-pro

FLUX.2-pro 是一个图像生成模型，而不是视觉语言模型（VLM）。

你的测试发送的是：

图像 + 文本提示
        ↓
期望：
描述/分析图像的文本响应

但 FLUX 期望的是：

文本提示
        ↓
生成的图像

因此 API 可以合法地返回：

finish_reason=stop
content=""

因为没有文本回答通道。

请改用真正的视觉语言模型：

示例：

google/gemini-2.5-flash
google/gemini-2.5-pro
openai/gpt-5
anthropic/claude-sonnet-4
qwen/qwen2.5-vl-72b-instruct

OpenRouter 风格的测试：

ww vision-model test \
  --model google/gemini-2.5-flash \
  --max-tokens 1000

你的测试图像也非常小：

64x64 蓝色正方形

一个 VLM 可能会回答类似：

“图像是一个纯蓝色正方形。”

另外请检查你的请求处理方式。许多视觉 API 要求图像内容采用以下格式：

{
  "role": "user",
  "content": [
    {
      "type": "text",
      "text": "Describe this image"
    },
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/png;base64,..."
      }
    }
  ]
}

而非：

{
  "prompt": "Describe image",
  "image": "..."
}

你的警告与此无关：

RequestsDependencyWarning:
urllib3 ... doesn't match supported version

它仅表示你的 Python 依赖版本不常见。它不会导致模型输出为空。

一个良好的调试流程：

# 1. 测试文本模型
ww vision-model test --model google/gemini-2.5-flash

# 2. 测试图像理解模型
ww vision-model test --model qwen/qwen2.5-vl-72b-instruct

# 3. 单独测试图像生成模型
ww image-model test --model black-forest-labs/flux.2-pro

所以简而言之：

FLUX 属于错误的类别。它生成图像，而不是查看并描述图像。 请使用 Gemini / Qwen-VL / Claude / OpenAI 的视觉模型进行 vision-model 测试。

返回捐助