feat: add multi-image vision analysis

2026-07-16 14:13:19 +08:00
parent 0ea65d4df4
commit 5325eacdfe
29 changed files with 1013 additions and 51 deletions
@@ -51,6 +51,9 @@ IMAGE_URL_MAX_BYTES=10485760
 IMAGE_URL_MAX_REDIRECTS=3
 IMAGE_URL_CONNECT_TIMEOUT_SECONDS=10
 IMAGE_URL_READ_TIMEOUT_SECONDS=60
+VISION_MAX_IMAGES=8
+VISION_MAX_IMAGE_BYTES=10485760
+VISION_MAX_TOTAL_BYTES=33554432
 RECHARGE_MAX_AMOUNT_CNY=100000.00

 # Content moderation
@@ -1,11 +1,11 @@
 # cmhub

-`cmhub` 是一个**自助用户端 + 计费型 AI 能力网关 + 运营后台**三合一服务：终端用户自助注册、扫码充值、管理 API Key；用 API Key 调用把桌面工具 `cmbot` 的「生成标题」「生成图片」能力封装成的 HTTP API，按**点数计费**；运营用 django-admin 管理用户、点数和记录。
+`cmhub` 是一个**自助用户端 + 计费型 AI 能力网关 + 运营后台**三合一服务：终端用户自助注册、扫码充值、管理 API Key；用 API Key 调用「生成标题」「生成图片」「多图理解」等 HTTP API，按**点数计费**；运营用 django-admin 管理用户、点数和记录。

 ## 它做什么

 - 用户端（自助）：公开首页、注册/登录、扫码充值、查看充值记录/剩余点数/消费记录、查看可用模型、生成与删除 API Key、下载桌面端（新用户注册成功赠送 100 点试用点数）。
- 对外提供 HTTP API：生成标题、生成图片（旧同步接口 + 新异步提交/轮询接口）、查询点数余额、查询可用能力别名。
+- 对外提供 HTTP API：生成标题、生成图片（旧同步接口 + 新异步提交/轮询接口）、多张图片理解并返回文字、查询点数余额、查询可用能力别名。
 - 按「操作类型 + 能力别名（+ 可选分辨率）」计费，调用消耗不同点数；余额不足返回「点数不足，请先充值」。
 - **预付费点数模型**：用户在外部支付系统充值，付款成功由支付系统回调本服务，按汇率把金额转成点数存在本地；之后调用直接扣本地点数，扣费与上游解耦、低延迟。
 - django-admin 运营后台：管理注册用户、点数余额、计费规则、充值订单、点数流水、调用记录。
@@ -27,6 +27,8 @@ Python 3.12 / Django 5.2 LTS + DRF / django-admin / 用户端 Django 模板 SSR

 Phase 2 计费核心已完成，Phase 3 对外 API 与充值已完成到 T-306，Phase 4 用户端已完成 T-501~T-505，Phase 5 已完成 T-401 运营后台完善、T-402 MVP 完整验收与 T-403 部署 / 运行文档，Phase 6 已完成 T-601 可用别名发现、T-602/T-603 django-admin 中文化、T-604 中文敏感词本地过滤、T-605 免邮箱验证策略落地、T-606 公开首页 + 客户端下载入口、T-607 桌面端最新版本检查接口、T-608 新用户注册赠送 100 点试用点数、T-609 桌面端版本强制更新标记、T-610 首页导入模板下载入口、T-611 用户端品牌名统一为“虾皮圈”、T-612 生图同步接口止血、T-613 抽生成核心 service、T-614 生图异步任务化接口、T-615 旧同步生图接口遥测 / 弃用口径、T-616 生图失败自动重试 2 次、T-617 桌面端版本文件大小字段与 T-618 客户端发布版本后台必填校验元数据。用户可通过公开首页进入注册、登录、下载客户端和下载导入模板；新用户注册后经计费层自动获得 100 点并写注册赠点流水；登录后可扫码充值并轮询到账，生成 / 删除（吊销）API Key，查看余额、充值总额、分页充值记录、分页点数记录与可用模型；桌面端可匿名请求最新客户端版本 JSON，并读取 `release.force_update` 判断是否必须升级、读取 `release.size_bytes` 校验安装包大小；新版桌面端可用异步生图提交 / 轮询接口，旧同步生图接口继续兼容并写结构化用量日志；运营可在 django-admin 检索用户、钱包、API Key、计费规则、汇率、充值订单、点数流水、注册赠点记录、调用记录、图片生成任务、客户端发布版本和导入模板，客户端发布版本新增 / 编辑时必须填写 SHA256 与文件大小，并通过计费层带原因手工调点。生产侧仍需补真实支付回调到账闭环，并按日志观察旧同步生图接口迁移进度。详见 [`docs/current-state.md`](docs/current-state.md)。

+T-619 已完成：新增独立 `vision` 能力和同步 `POST /api/v1/analyze/images` 多图理解接口，按一次请求固定扣点；既有标题、生图和异步生图接口保持兼容。生产启用前需在 admin 配置同时具备 `text`、`vision` 能力的模型、`vision-standard` 默认别名及默认计费规则。
+
 > ⚠️ 涉及资金/点数。改动充值、扣费、退款、对账相关代码前，先读 [`docs/05-coding-rules.md`](docs/05-coding-rules.md) 第 8 节与 [`docs/04-architecture.md`](docs/04-architecture.md) 第四节计费时序。

 ## 启动
@@ -18,15 +18,16 @@ class ModelCapabilityError(AliasResolutionError):


 REQUIRED_CAPABILITIES = {
-    ModelAlias.OperationType.TITLE: "text",
-    ModelAlias.OperationType.IMAGE: "image",
+    ModelAlias.OperationType.TITLE: frozenset({"text"}),
+    ModelAlias.OperationType.IMAGE: frozenset({"image"}),
+    ModelAlias.OperationType.VISION: frozenset({"text", "vision"}),
 }


 def resolve_model_alias(operation_type: str, alias: str | None = None) -> ModelAlias:
    """Resolve an external capability alias to an active ModelAlias row."""
-    required_capability = REQUIRED_CAPABILITIES.get(operation_type)
-    if required_capability is None:
+    required_capabilities = REQUIRED_CAPABILITIES.get(operation_type)
+    if required_capabilities is None:
        raise AliasResolutionError(f"unsupported operation_type: {operation_type}")

    queryset = ModelAlias.objects.select_related("ai_model").filter(
@@ -47,10 +48,11 @@ def resolve_model_alias(operation_type: str, alias: str | None = None) -> ModelA

    ai_model: AiModel = model_alias.ai_model
    capabilities = ai_model.capabilities_set()
-    if required_capability not in capabilities:
+    missing_capabilities = required_capabilities - capabilities
+    if missing_capabilities:
        raise ModelCapabilityError(
            f"alias {model_alias.alias} maps to model {ai_model.name} without "
-            f"{required_capability} capability"
+            f"{', '.join(sorted(missing_capabilities))} capability"
        )
    return model_alias

@@ -14,13 +14,15 @@ PUBLIC_DEFAULT_RESOLUTION = "default"


 def _has_required_capability(model_alias: ModelAlias) -> bool:
-    required_capability = REQUIRED_CAPABILITIES.get(model_alias.operation_type)
-    if required_capability is None:
+    required_capabilities = REQUIRED_CAPABILITIES.get(model_alias.operation_type)
+    if required_capabilities is None:
        return False
-    return required_capability in model_alias.ai_model.capabilities_set()
+    return required_capabilities.issubset(model_alias.ai_model.capabilities_set())


 def _requires_image_input(ai_model: AiModel, operation_type: str) -> bool:
+    if operation_type == ModelAlias.OperationType.VISION:
+        return True
    if operation_type != ModelAlias.OperationType.IMAGE:
        return False
    try:
@@ -0,0 +1,18 @@
+# Generated by Django 5.2.15 on 2026-07-16 03:52
+
+from django.db import migrations, models
+
+
+class Migration(migrations.Migration):
+
+    dependencies = [
+        ('ai', '0004_alter_aiconfigauditlog_action_and_more'),
+    ]
+
+    operations = [
+        migrations.AlterField(
+            model_name='modelalias',
+            name='operation_type',
+            field=models.CharField(choices=[('title', '生成标题'), ('image', '生成图片'), ('vision', '图片理解')], max_length=32, verbose_name='操作类型'),
+        ),
+    ]
@@ -92,6 +92,7 @@ class ModelAlias(models.Model):
    class OperationType(models.TextChoices):
        TITLE = "title", "生成标题"
        IMAGE = "image", "生成图片"
+        VISION = "vision", "图片理解"

    alias = models.SlugField("能力别名", max_length=64)
    operation_type = models.CharField("操作类型", max_length=32, choices=OperationType.choices)
@@ -4,6 +4,7 @@ from .base import (
    AiProviderError,
    AiResponseParseError,
    ImageGenerationResult,
+    MultimodalImage,
    Provider,
    ResolvedModel,
    TextGenerationResult,
@@ -16,6 +17,7 @@ __all__ = [
    "AiProviderError",
    "AiResponseParseError",
    "ImageGenerationResult",
+    "MultimodalImage",
    "Provider",
    "ResolvedModel",
    "TextGenerationResult",
@@ -1,7 +1,7 @@
 from __future__ import annotations

 from dataclasses import dataclass, field
-from typing import Any, Mapping, Protocol
+from typing import Any, Mapping, Protocol, Sequence


 class AiProviderError(RuntimeError):
@@ -78,6 +78,12 @@ class ImageGenerationResult:
    raw: Mapping[str, Any]


+@dataclass(frozen=True)
+class MultimodalImage:
+    data: bytes
+    mime_type: str = "image/png"
+
+
 class Provider(Protocol):
    def capabilities(self) -> set[str]:
        ...
@@ -108,6 +114,16 @@ class Provider(Protocol):
    ) -> ImageGenerationResult:
        ...

+    def analyze_images(
+        self,
+        prompt: str,
+        model: ResolvedModel,
+        *,
+        images: Sequence[MultimodalImage],
+        parameters: Mapping[str, Any] | None = None,
+    ) -> TextGenerationResult:
+        ...
+

 def validate_model_config(model: ResolvedModel) -> None:
    errors = []
@@ -1,6 +1,6 @@
 from __future__ import annotations

-from typing import Any, Mapping
+from typing import Any, Mapping, Sequence

 import requests

@@ -8,6 +8,7 @@ from .base import (
    AiCapabilityError,
    AiResponseParseError,
    ImageGenerationResult,
+    MultimodalImage,
    ResolvedModel,
    TextGenerationResult,
    validate_model_config,
@@ -18,6 +19,7 @@ from .utils import (
    API_IMAGES,
    API_IMAGES_EDITS,
    extract_image_from_response,
+    extract_raw_text,
    extract_text_from_response,
    extract_titles_from_response,
    image_request_timeout,
@@ -166,6 +168,37 @@ class ChatCompletionsProvider(BaseHttpProvider):
            raise AiResponseParseError("AI response did not contain an image")
        return ImageGenerationResult(image=image_bytes, model_used=model.model, raw=raw)

+    def analyze_images(
+        self,
+        prompt: str,
+        model: ResolvedModel,
+        *,
+        images: Sequence[MultimodalImage],
+        parameters: Mapping[str, Any] | None = None,
+    ) -> TextGenerationResult:
+        validate_model_config(model)
+        if not images:
+            raise AiCapabilityError("vision analysis requires at least one image")
+        url = normalize_api_url(model.url, API_CHAT)
+        payload = build_chat_vision_payload(
+            model,
+            prompt,
+            images=images,
+            parameters=parameters,
+        )
+        response = self.session.post(
+            url,
+            headers=self._headers(model, json=True),
+            json=payload,
+            timeout=self._timeout(model, "1K"),
+        )
+        response.raise_for_status()
+        raw = response.json()
+        text = extract_raw_text(raw).strip()
+        if not text:
+            raise AiResponseParseError("AI response did not contain text")
+        return TextGenerationResult(text=text, titles=(), model_used=model.model, raw=raw)
+

 class GeminiProvider(ChatCompletionsProvider):
    def generate_text(
@@ -241,6 +274,37 @@ class GeminiProvider(ChatCompletionsProvider):
            raise AiResponseParseError("AI response did not contain an image")
        return ImageGenerationResult(image=image_bytes, model_used=model.model, raw=raw)

+    def analyze_images(
+        self,
+        prompt: str,
+        model: ResolvedModel,
+        *,
+        images: Sequence[MultimodalImage],
+        parameters: Mapping[str, Any] | None = None,
+    ) -> TextGenerationResult:
+        validate_model_config(model)
+        if not images:
+            raise AiCapabilityError("vision analysis requires at least one image")
+        url = normalize_api_url(model.url, API_GEMINI).replace("{model}", model.model)
+        payload = build_gemini_vision_payload(
+            model,
+            prompt,
+            images=images,
+            parameters=parameters,
+        )
+        response = self.session.post(
+            url,
+            headers=self._headers(model, json=True),
+            json=payload,
+            timeout=self._timeout(model, "1K"),
+        )
+        response.raise_for_status()
+        raw = response.json()
+        text = extract_raw_text(raw).strip()
+        if not text:
+            raise AiResponseParseError("AI response did not contain text")
+        return TextGenerationResult(text=text, titles=(), model_used=model.model, raw=raw)
+

 class ImagesGenerationProvider(BaseHttpProvider):
    def capabilities(self) -> set[str]:
@@ -249,6 +313,9 @@ class ImagesGenerationProvider(BaseHttpProvider):
    def generate_text(self, *args: Any, **kwargs: Any) -> TextGenerationResult:
        raise AiCapabilityError("images generation provider cannot generate text")

+    def analyze_images(self, *args: Any, **kwargs: Any) -> TextGenerationResult:
+        raise AiCapabilityError("images generation provider cannot analyze images")
+
    def generate_image(
        self,
        prompt: str,
@@ -298,6 +365,9 @@ class ImagesEditsProvider(BaseHttpProvider):
    def generate_text(self, *args: Any, **kwargs: Any) -> TextGenerationResult:
        raise AiCapabilityError("images edits provider cannot generate text")

+    def analyze_images(self, *args: Any, **kwargs: Any) -> TextGenerationResult:
+        raise AiCapabilityError("images edits provider cannot analyze images")
+
    def generate_image(
        self,
        prompt: str,
@@ -384,6 +454,32 @@ def build_chat_image_payload(
    )


+def build_chat_vision_payload(
+    model: ResolvedModel,
+    prompt: str,
+    *,
+    images: Sequence[MultimodalImage],
+    parameters: Mapping[str, Any] | None = None,
+) -> dict[str, Any]:
+    content: list[dict[str, Any]] = [{"type": "text", "text": prompt}]
+    content.extend(
+        {
+            "type": "image_url",
+            "image_url": {
+                "url": image_bytes_to_data_url(image.data, image.mime_type),
+            },
+        }
+        for image in images
+    )
+    payload: dict[str, Any] = {
+        "model": model.model,
+        "messages": [{"role": "user", "content": content}],
+        "stream": False,
+    }
+    apply_extra_body(payload, model, parameters)
+    return payload
+
+
 def build_gemini_payload(
    model: ResolvedModel,
    prompt: str,
@@ -406,6 +502,26 @@ def build_gemini_payload(
    return payload


+def build_gemini_vision_payload(
+    model: ResolvedModel,
+    prompt: str,
+    *,
+    images: Sequence[MultimodalImage],
+    parameters: Mapping[str, Any] | None = None,
+) -> dict[str, Any]:
+    parts: list[dict[str, Any]] = [{"text": prompt}]
+    for image in images:
+        data_url = image_bytes_to_data_url(image.data, image.mime_type)
+        mime_type, data = split_data_url(data_url)
+        parts.append({"inlineData": {"mimeType": mime_type, "data": data}})
+    payload: dict[str, Any] = {
+        "contents": [{"parts": parts}],
+        "generationConfig": {"responseModalities": ["TEXT"]},
+    }
+    apply_extra_body(payload, model, parameters)
+    return payload
+
+
 def apply_extra_body(
    payload: dict[str, Any],
    model: ResolvedModel,
@@ -11,8 +11,18 @@ from apps.ai.admin import AiConfigAuditLogAdmin, AiModelAdmin, ModelAliasAdmin
 from apps.ai.aliases import AliasNotFoundError, ModelCapabilityError, resolve_alias
 from apps.ai.importers import import_ai_models_config
 from apps.ai.models import AiConfigAuditLog, AiModel, ModelAlias
-from apps.ai.providers import AiCapabilityError, ResolvedModel, get_provider, resolve_api_type
-from apps.ai.providers.openai_compatible import ChatCompletionsProvider, ImagesEditsProvider
+from apps.ai.providers import (
+    AiCapabilityError,
+    MultimodalImage,
+    ResolvedModel,
+    get_provider,
+    resolve_api_type,
+)
+from apps.ai.providers.openai_compatible import (
+    ChatCompletionsProvider,
+    GeminiProvider,
+    ImagesEditsProvider,
+)
 from apps.ai.providers.utils import image_request_timeout, resolution_to_size


@@ -255,6 +265,85 @@ class ChatCompletionsProviderTests(SimpleTestCase):

        self.assertEqual(session.posts[0]["timeout"], (30, 600))

+    def test_analyze_images_builds_ordered_payload_and_preserves_full_text(self):
+        session = FakeSession(
+            FakeResponse(
+                {
+                    "choices": [
+                        {
+                            "message": {
+                                "content": "第一张是正面图。\n第二张是细节图。"
+                            }
+                        }
+                    ]
+                }
+            )
+        )
+        provider = ChatCompletionsProvider(session=session)
+        model = ResolvedModel(
+            name="Vision text",
+            url="https://api.vectorengine.ai/v1",
+            model="vision-model",
+            api_key="test-key",
+            api_type="chat",
+        )
+
+        result = provider.analyze_images(
+            "比较两张商品图",
+            model,
+            images=(
+                MultimodalImage(b"first-image", "image/jpeg"),
+                MultimodalImage(b"second-image", "image/png"),
+            ),
+            parameters={"temperature": 0.2, "messages": []},
+        )
+
+        self.assertEqual(result.text, "第一张是正面图。\n第二张是细节图。")
+        self.assertEqual(result.titles, ())
+        content = session.posts[0]["json"]["messages"][0]["content"]
+        self.assertEqual(content[0], {"type": "text", "text": "比较两张商品图"})
+        self.assertTrue(content[1]["image_url"]["url"].startswith("data:image/jpeg;base64,"))
+        self.assertTrue(content[2]["image_url"]["url"].startswith("data:image/png;base64,"))
+        self.assertEqual(session.posts[0]["json"]["temperature"], 0.2)
+
+    def test_gemini_analyze_images_builds_ordered_inline_data(self):
+        session = FakeSession(
+            FakeResponse(
+                {
+                    "candidates": [
+                        {"content": {"parts": [{"text": "多图分析结果"}]}}
+                    ]
+                }
+            )
+        )
+        provider = GeminiProvider(session=session)
+        model = ResolvedModel(
+            name="Gemini vision",
+            url="https://gemini.example.com",
+            model="gemini-vision",
+            api_key="test-key",
+            api_type="gemini",
+        )
+
+        result = provider.analyze_images(
+            "理解这些图片",
+            model,
+            images=(
+                MultimodalImage(b"one", "image/webp"),
+                MultimodalImage(b"two", "image/jpeg"),
+            ),
+        )
+
+        self.assertEqual(result.text, "多图分析结果")
+        parts = session.posts[0]["json"]["contents"][0]["parts"]
+        self.assertEqual(parts[0], {"text": "理解这些图片"})
+        self.assertEqual(parts[1]["inlineData"]["mimeType"], "image/webp")
+        self.assertEqual(parts[2]["inlineData"]["mimeType"], "image/jpeg")
+        self.assertEqual(
+            session.posts[0]["json"]["generationConfig"]["responseModalities"],
+            ["TEXT"],
+        )
+

 class ImagesEditsProviderTests(SimpleTestCase):
    def test_generate_image_builds_multipart_request_and_parses_base64(self):
@@ -344,6 +433,13 @@ class ImagesEditsProviderTests(SimpleTestCase):
        with self.assertRaises(AiCapabilityError):
            provider.generate_text("Generate title", model)

+        with self.assertRaises(AiCapabilityError):
+            provider.analyze_images(
+                "Analyze image",
+                model,
+                images=(MultimodalImage(b"source-image"),),
+            )
+

@override_settings(AI_KEY_ENCRYPTION_KEY=TEST_ENCRYPTION_KEY)
 class AiModelEncryptionTests(TestCase):
@@ -440,6 +536,29 @@ class AliasResolutionTests(TestCase):
        self.assertEqual(resolved.model, "gpt-image-2")
        self.assertIn("image", resolved.capabilities)

+    def test_resolve_vision_alias_requires_text_and_vision_capabilities(self):
+        ModelAlias.objects.create(
+            operation_type=ModelAlias.OperationType.VISION,
+            alias="vision-standard",
+            ai_model=self.text_model,
+            is_default=True,
+        )
+
+        resolved = resolve_alias(ModelAlias.OperationType.VISION)
+
+        self.assertEqual(resolved.model, "gpt-5.5")
+        self.assertTrue({"text", "vision"}.issubset(resolved.capabilities))
+
+    def test_resolve_vision_alias_rejects_vision_model_without_text(self):
+        ModelAlias.objects.create(
+            operation_type=ModelAlias.OperationType.VISION,
+            alias="bad-vision",
+            ai_model=self.image_model,
+        )
+
+        with self.assertRaises(ModelCapabilityError):
+            resolve_alias(ModelAlias.OperationType.VISION, "bad-vision")
+
    def test_resolve_alias_rejects_capability_mismatch(self):
        ModelAlias.objects.create(
            operation_type=ModelAlias.OperationType.TITLE,
@@ -6,7 +6,7 @@ import ipaddress
 import socket
 from dataclasses import dataclass, field
 from time import perf_counter
-from typing import Any, Callable, Mapping
+from typing import Any, Callable, Mapping, Sequence
 from urllib.parse import urljoin, urlsplit

 import requests
@@ -19,7 +19,12 @@ from apps.ai.aliases import (
    REQUIRED_CAPABILITIES,
    resolve_model_alias,
 )
-from apps.ai.providers import AiCapabilityError, AiProviderError, get_provider
+from apps.ai.providers import (
+    AiCapabilityError,
+    AiProviderError,
+    MultimodalImage,
+    get_provider,
+)
 from apps.billing.models import CallRecord, normalize_resolution
 from apps.billing.pricing import NoPricingRuleError, calculate_points_cost
 from apps.billing.services import (
@@ -68,6 +73,7 @@ class GenerationInput:
    image_url: str = ""
    image_base64: str = ""
    aspect_ratio: str = "1:1"
+    images: tuple[Mapping[str, Any], ...] = field(default_factory=tuple)


@dataclass(frozen=True)
@@ -80,6 +86,7 @@ class PreparedGeneration:
    resolution: str
    parameters: dict[str, Any]
    image_input: ImageInput | None
+    image_inputs: tuple[ImageInput, ...]
    model_alias: Any
    resolved_model: Any
    provider: Any
@@ -105,6 +112,7 @@ class GenerationResult:
    call_record: CallRecord
    titles: tuple[str, ...] = field(default_factory=tuple)
    image_url: str = ""
+    text: str = ""

    def as_response_data(self) -> dict[str, Any]:
        common = {
@@ -116,6 +124,8 @@ class GenerationResult:
        }
        if self.operation_type == CallRecord.OperationType.TITLE:
            return {"titles": list(self.titles), **common}
+        if self.operation_type == CallRecord.OperationType.VISION:
+            return {"text": self.text, **common}
        return {"image_url": self.image_url, **common}


@@ -165,6 +175,21 @@ def generate_image_response(
    return result.as_response_data()


+def analyze_images_response(*, user, api_key, request_data: Mapping[str, Any]) -> dict:
+    result = run_synchronous_generation(
+        GenerationInput(
+            user=user,
+            api_key=api_key,
+            operation_type=CallRecord.OperationType.VISION,
+            prompt=request_data["prompt"],
+            alias=request_data.get("model") or None,
+            parameters=dict(request_data.get("parameters") or {}),
+            images=tuple(dict(item) for item in request_data.get("images") or ()),
+        )
+    )
+    return result.as_response_data()
+
+
 def run_synchronous_generation(
    generation_input: GenerationInput,
    *,
@@ -180,7 +205,11 @@ def run_synchronous_generation(

 def prepare_generation(generation_input: GenerationInput) -> PreparedGeneration:
    operation_type = normalize_operation_type(generation_input.operation_type)
-    resolution = normalize_resolution(generation_input.resolution or "1K") or "1K"
+    resolution = (
+        ""
+        if operation_type == CallRecord.OperationType.VISION
+        else normalize_resolution(generation_input.resolution or "1K") or "1K"
+    )
    parameters = dict(generation_input.parameters or {})
    prompt = str(generation_input.prompt or "")

@@ -189,12 +218,17 @@ def prepare_generation(generation_input: GenerationInput) -> PreparedGeneration:
        api_key=generation_input.api_key,
        prompt=prompt,
    )
-    image_input = load_image_input(
-        {
-            "image_base64": generation_input.image_base64,
-            "image_url": generation_input.image_url,
-        }
-    )
+    if operation_type == CallRecord.OperationType.VISION:
+        image_input = None
+        image_inputs = load_vision_image_inputs(generation_input.images)
+    else:
+        image_input = load_image_input(
+            {
+                "image_base64": generation_input.image_base64,
+                "image_url": generation_input.image_url,
+            }
+        )
+        image_inputs = ()

    model_alias = resolve_model_alias_or_raise(operation_type, generation_input.alias)
    resolved_model = resolved_model_or_raise(model_alias)
@@ -215,6 +249,7 @@ def prepare_generation(generation_input: GenerationInput) -> PreparedGeneration:
        resolution=resolution,
        parameters=parameters,
        image_input=image_input,
+        image_inputs=image_inputs,
        model_alias=model_alias,
        resolved_model=resolved_model,
        provider=provider,
@@ -253,6 +288,8 @@ def execute_precharged_generation(
        started = perf_counter()
        if prepared.operation_type == CallRecord.OperationType.TITLE:
            result = execute_title_generation(precharged, started)
+        elif prepared.operation_type == CallRecord.OperationType.VISION:
+            result = execute_vision_generation(precharged, started)
        else:
            result = execute_image_generation(
                precharged,
@@ -358,11 +395,44 @@ def execute_image_generation(
    )


+def execute_vision_generation(
+    precharged: PrechargedGeneration,
+    started: float,
+) -> GenerationResult:
+    prepared = precharged.prepared
+    generation = prepared.provider.analyze_images(
+        prepared.prompt,
+        prepared.resolved_model,
+        images=tuple(
+            MultimodalImage(data=image.data, mime_type=image.mime_type)
+            for image in prepared.image_inputs
+        ),
+        parameters=prepared.parameters,
+    )
+    latency_ms = elapsed_ms(started)
+    text = str(generation.text or "").strip()
+    call_record = mark_call_success(
+        precharged.call_record,
+        result_summary=summarize_text(text),
+        upstream_latency_ms=latency_ms,
+    )
+    return GenerationResult(
+        operation_type=prepared.operation_type,
+        alias=prepared.alias,
+        model_used=generation.model_used,
+        points_cost=precharged.points_cost,
+        points_balance=precharged.points_balance_after_charge,
+        call_record=call_record,
+        text=text,
+    )
+
+
 def normalize_operation_type(operation_type: str) -> str:
    normalized = str(operation_type or "").strip()
    if normalized not in {
        CallRecord.OperationType.TITLE,
        CallRecord.OperationType.IMAGE,
+        CallRecord.OperationType.VISION,
    }:
        raise ValueError(f"Unsupported generation operation type: {operation_type}")
    return normalized
@@ -392,8 +462,8 @@ def resolve_model_alias_or_raise(operation_type: str, alias: str | None):


 def ensure_provider_supports(provider, operation_type: str) -> None:
-    required_capability = REQUIRED_CAPABILITIES[operation_type]
-    if required_capability not in provider.capabilities():
+    required_capabilities = REQUIRED_CAPABILITIES[operation_type]
+    if not required_capabilities.issubset(provider.capabilities()):
        raise ApiRequestError(
            "model_not_allowed",
            "该模型不支持此操作",
@@ -471,7 +541,57 @@ def load_image_input(data: Mapping[str, Any]) -> ImageInput | None:
    return None


-def decode_image_input(value: str) -> ImageInput:
+def load_vision_image_inputs(
+    items: Sequence[Mapping[str, Any]],
+) -> tuple[ImageInput, ...]:
+    max_images = max(1, int(getattr(settings, "VISION_MAX_IMAGES", 8)))
+    max_image_bytes = max(
+        1,
+        int(getattr(settings, "VISION_MAX_IMAGE_BYTES", 10 * 1024 * 1024)),
+    )
+    max_total_bytes = max(
+        1,
+        int(getattr(settings, "VISION_MAX_TOTAL_BYTES", 32 * 1024 * 1024)),
+    )
+    if not items:
+        raise ApiRequestError("bad_request", "images 至少需要一张图片", status.HTTP_400_BAD_REQUEST)
+    if len(items) > max_images:
+        raise ApiRequestError(
+            "bad_request",
+            f"单次最多上传 {max_images} 张图片",
+            status.HTTP_400_BAD_REQUEST,
+        )
+
+    image_inputs = []
+    total_bytes = 0
+    for item in items:
+        raw_base64 = str(item.get("image_base64") or "").strip()
+        image_url = str(item.get("image_url") or "").strip()
+        if bool(raw_base64) == bool(image_url):
+            raise ApiRequestError(
+                "bad_request",
+                "每张图片必须且只能提供 image_url 或 image_base64",
+                status.HTTP_400_BAD_REQUEST,
+            )
+        image_input = (
+            decode_image_input(raw_base64, max_bytes=max_image_bytes)
+            if raw_base64
+            else download_image_input(image_url, max_bytes=max_image_bytes)
+        )
+        if not image_input.mime_type.lower().startswith("image/"):
+            raise ApiRequestError("bad_request", "图片格式无效", status.HTTP_400_BAD_REQUEST)
+        total_bytes += len(image_input.data)
+        if total_bytes > max_total_bytes:
+            raise ApiRequestError(
+                "bad_request",
+                "图片总大小超过限制",
+                status.HTTP_400_BAD_REQUEST,
+            )
+        image_inputs.append(image_input)
+    return tuple(image_inputs)
+
+
+def decode_image_input(value: str, *, max_bytes: int | None = None) -> ImageInput:
    mime_type = "image/png"
    encoded = value
    if value.startswith("data:"):
@@ -479,16 +599,20 @@ def decode_image_input(value: str) -> ImageInput:
            raise ApiRequestError("bad_request", "image_base64 格式无效", status.HTTP_400_BAD_REQUEST)
        prefix, encoded = value.split(",", 1)
        mime_type = prefix[len("data:") :].split(";", 1)[0] or mime_type
+    if max_bytes is not None and len(encoded) > ((max_bytes + 2) // 3) * 4:
+        raise ApiRequestError("bad_request", "图片过大", status.HTTP_400_BAD_REQUEST)
    try:
        image = base64.b64decode(encoded, validate=True)
    except (binascii.Error, ValueError) as exc:
        raise ApiRequestError("bad_request", "image_base64 格式无效", status.HTTP_400_BAD_REQUEST) from exc
    if not image:
        raise ApiRequestError("bad_request", "image_base64 不能为空", status.HTTP_400_BAD_REQUEST)
+    if max_bytes is not None and len(image) > max_bytes:
+        raise ApiRequestError("bad_request", "图片过大", status.HTTP_400_BAD_REQUEST)
    return ImageInput(data=image, mime_type=mime_type, filename=filename_for_mime(mime_type))


-def download_image_input(url: str) -> ImageInput:
+def download_image_input(url: str, *, max_bytes: int | None = None) -> ImageInput:
    session = requests.Session()
    session.trust_env = False
    current_url = validated_image_url(url)
@@ -522,7 +646,7 @@ def download_image_input(url: str) -> ImageInput:
            content_type = response.headers.get("Content-Type", "image/png").split(";", 1)[0].strip().lower()
            if not content_type.startswith("image/"):
                raise ApiRequestError("bad_request", "image_url 不是图片资源", status.HTTP_400_BAD_REQUEST)
-            image = read_limited_image_response(response)
+            image = read_limited_image_response(response, max_bytes=max_bytes)
            if not image:
                raise ApiRequestError("bad_request", "image_url 图片内容为空", status.HTTP_400_BAD_REQUEST)
            return ImageInput(
@@ -593,12 +717,19 @@ def is_redirect_response(response) -> bool:
    return 300 <= int(getattr(response, "status_code", 0)) < 400


-def read_limited_image_response(response) -> bytes:
-    max_bytes = max(1, int(getattr(settings, "IMAGE_URL_MAX_BYTES", 10 * 1024 * 1024)))
+def read_limited_image_response(response, *, max_bytes: int | None = None) -> bytes:
+    byte_limit = max(
+        1,
+        int(
+            max_bytes
+            if max_bytes is not None
+            else getattr(settings, "IMAGE_URL_MAX_BYTES", 10 * 1024 * 1024)
+        ),
+    )
    content_length = response.headers.get("Content-Length")
    if content_length:
        try:
-            if int(content_length) > max_bytes:
+            if int(content_length) > byte_limit:
                raise ApiRequestError("bad_request", "image_url 图片过大", status.HTTP_400_BAD_REQUEST)
        except ValueError:
            pass
@@ -609,7 +740,7 @@ def read_limited_image_response(response) -> bytes:
        if not chunk:
            continue
        total += len(chunk)
-        if total > max_bytes:
+        if total > byte_limit:
            raise ApiRequestError("bad_request", "image_url 图片过大", status.HTTP_400_BAD_REQUEST)
        chunks.append(chunk)
    return b"".join(chunks)
@@ -629,5 +760,9 @@ def summarize_titles(titles: list[str], text: str) -> str:
    return summary[:500]


+def summarize_text(text: str) -> str:
+    return str(text or "").strip()[:500]
+
+
 def elapsed_ms(started: float) -> int:
    return int((perf_counter() - started) * 1000)
@@ -50,6 +50,38 @@ class GenerateImageRequestSerializer(serializers.Serializer):
    parameters = serializers.DictField(required=False, default=dict)


+class VisionImageInputSerializer(serializers.Serializer):
+    image_url = serializers.URLField(required=False, allow_blank=True)
+    image_base64 = serializers.CharField(required=False, allow_blank=True)
+
+    def validate(self, attrs):
+        has_url = bool(str(attrs.get("image_url") or "").strip())
+        has_base64 = bool(str(attrs.get("image_base64") or "").strip())
+        if has_url == has_base64:
+            raise serializers.ValidationError(
+                "每张图片必须且只能提供 image_url 或 image_base64。"
+            )
+        return attrs
+
+
+class AnalyzeImagesRequestSerializer(serializers.Serializer):
+    prompt = serializers.CharField(trim_whitespace=True, allow_blank=False)
+    model = serializers.CharField(
+        required=False,
+        allow_blank=True,
+        trim_whitespace=True,
+        max_length=64,
+    )
+    images = VisionImageInputSerializer(many=True, allow_empty=False)
+    parameters = serializers.DictField(required=False, default=dict)
+
+    def validate_images(self, value):
+        max_images = max(1, int(settings.VISION_MAX_IMAGES))
+        if len(value) > max_images:
+            raise serializers.ValidationError(f"单次最多上传 {max_images} 张图片。")
+        return value
+
+
 class RechargeCreateRequestSerializer(serializers.Serializer):
    amount = serializers.DecimalField(
        max_digits=12,
@@ -331,6 +331,12 @@ class ModelsCatalogApiTests(TestCase):
            url="https://provider-secret.example/v1/images/edits",
            model_sku="secret-sku-image-2",
        )
+        vision_alias = self.create_alias(
+            alias="vision-standard",
+            operation_type=ModelAlias.OperationType.VISION,
+            capabilities=["text", "vision"],
+            model_sku="secret-sku-vision",
+        )
        PricingRule.objects.create(
            operation_type=title_alias.operation_type,
            alias=title_alias.alias,
@@ -349,13 +355,19 @@ class ModelsCatalogApiTests(TestCase):
            resolution="1k",
            points_cost=12,
        )
+        PricingRule.objects.create(
+            operation_type=vision_alias.operation_type,
+            alias=vision_alias.alias,
+            resolution="",
+            points_cost=3,
+        )

        response = self.client.get(self.url, **self.auth_header())

        self.assertEqual(response.status_code, 200)
        self.assertNotIn(GenerateRateThrottle, ModelsView.throttle_classes)
        models = {item["alias"]: item for item in response.data["models"]}
-        self.assertEqual(set(models), {"title-standard", "image-edit"})
+        self.assertEqual(set(models), {"title-standard", "image-edit", "vision-standard"})
        self.assertEqual(
            set(models["title-standard"]),
            {
@@ -384,6 +396,14 @@ class ModelsCatalogApiTests(TestCase):
                {"resolution": "1K", "points_cost": 12},
            ],
        )
+        self.assertEqual(models["vision-standard"]["operation_type"], "vision")
+        self.assertEqual(models["vision-standard"]["capabilities"], ["text", "vision"])
+        self.assertTrue(models["vision-standard"]["requires_image"])
+        self.assertEqual(models["vision-standard"]["pricing_status"], "priced")
+        self.assertEqual(
+            models["vision-standard"]["prices"],
+            [{"resolution": "default", "points_cost": 3}],
+        )
        response_body = json.dumps(response.data, ensure_ascii=False)
        self.assertNotIn("secret-sku", response_body)
        self.assertNotIn("provider-secret.example", response_body)
@@ -1056,8 +1076,10 @@ class FakeGenerationProvider:
        self._capabilities = set(capabilities or {"text", "image", "vision"})
        self.text_calls = []
        self.image_calls = []
+        self.vision_calls = []
        self.text_error = None
        self.image_error = None
+        self.vision_error = None

    def capabilities(self):
        return set(self._capabilities)
@@ -1083,6 +1105,17 @@ class FakeGenerationProvider:
            raw={"b64_json": "SECRET_RAW_SHOULD_NOT_BE_STORED"},
        )

+    def analyze_images(self, prompt, model, **kwargs):
+        self.vision_calls.append({"prompt": prompt, "model": model, **kwargs})
+        if self.vision_error is not None:
+            raise self.vision_error
+        return TextGenerationResult(
+            text="第一张展示商品正面。\n第二张展示商品细节。",
+            titles=(),
+            model_used=model.model,
+            raw={"secret": "SECRET_RAW_SHOULD_NOT_BE_STORED"},
+        )
+

 class FakeImageUrlResponse:
    def __init__(self, *, status_code=200, headers=None, chunks=()):
@@ -1143,14 +1176,26 @@ class GenerateApiTests(TestCase):
            model=f"gpt-image-{suffix}",
            capabilities=["image", "vision"],
        )
+        self.vision_model = self.create_ai_model(
+            name=f"vision-model-{suffix}",
+            model=f"gpt-vision-{suffix}",
+            capabilities=["text", "vision"],
+        )
        self.title_alias = f"title-standard-{suffix}"
        self.image_alias = f"image-hd-{suffix}"
+        self.vision_alias = f"vision-standard-{suffix}"
        ModelAlias.objects.create(
            operation_type=ModelAlias.OperationType.TITLE,
            alias=self.title_alias,
            ai_model=self.title_model,
            is_default=True,
        )
+        ModelAlias.objects.create(
+            operation_type=ModelAlias.OperationType.VISION,
+            alias=self.vision_alias,
+            ai_model=self.vision_model,
+            is_default=True,
+        )
        ModelAlias.objects.create(
            operation_type=ModelAlias.OperationType.IMAGE,
            alias=self.image_alias,
@@ -1168,6 +1213,11 @@ class GenerateApiTests(TestCase):
            resolution="1K",
            points_cost=10,
        )
+        PricingRule.objects.create(
+            operation_type=CallRecord.OperationType.VISION,
+            alias=self.vision_alias,
+            points_cost=3,
+        )

    def create_ai_model(self, *, name, model, capabilities):
        ai_model = AiModel(
@@ -1314,6 +1364,283 @@ class GenerateApiTests(TestCase):
            1,
        )

+    def test_analyze_images_supports_single_image_with_explicit_alias(self):
+        encoded = base64.b64encode(b"single-image").decode("ascii")
+
+        response = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {
+                "prompt": "描述这张商品图",
+                "model": self.vision_alias,
+                "images": [{"image_base64": encoded}],
+            },
+        )
+
+        self.assertEqual(response.status_code, 200)
+        self.assertEqual(response.data["alias"], self.vision_alias)
+        self.assertEqual(response.data["points_cost"], 3)
+        self.assertEqual(len(self.provider.vision_calls), 1)
+        self.assertEqual(
+            [image.data for image in self.provider.vision_calls[0]["images"]],
+            [b"single-image"],
+        )
+
+    def test_analyze_images_supports_ordered_mixed_sources_and_charges_once(self):
+        first = base64.b64encode(b"first-image").decode("ascii")
+        response_from_url = FakeImageUrlResponse(
+            headers={"Content-Type": "image/jpeg"},
+            chunks=(b"second-", b"image"),
+        )
+
+        with (
+            patch(
+                "apps.api.generation.socket.getaddrinfo",
+                return_value=dns_result("93.184.216.34"),
+            ),
+            patch(
+                "apps.api.generation.requests.Session.get",
+                return_value=response_from_url,
+            ),
+        ):
+            response = self.post_with_provider(
+                "/api/v1/analyze/images",
+                {
+                    "prompt": "比较两张商品图",
+                    "images": [
+                        {"image_base64": f"data:image/png;base64,{first}"},
+                        {"image_url": "https://images.example.test/detail.jpg"},
+                    ],
+                    "parameters": {"temperature": 0.2},
+                },
+            )
+
+        self.assertEqual(response.status_code, 200)
+        self.assertEqual(response.data["text"], "第一张展示商品正面。\n第二张展示商品细节。")
+        self.assertEqual(response.data["alias"], self.vision_alias)
+        self.assertEqual(response.data["model_used"], self.vision_model.model)
+        self.assertEqual(response.data["points_cost"], 3)
+        self.assertEqual(response.data["points_balance"], 97)
+        self.assertEqual(len(self.provider.vision_calls), 1)
+        images = self.provider.vision_calls[0]["images"]
+        self.assertEqual([image.data for image in images], [b"first-image", b"second-image"])
+        self.assertEqual(
+            [image.mime_type for image in images],
+            ["image/png", "image/jpeg"],
+        )
+
+        self.wallet.refresh_from_db()
+        self.assertEqual(self.wallet.points_balance, 97)
+        call = CallRecord.objects.get(pk=response.data["call_id"])
+        self.assertEqual(call.operation_type, CallRecord.OperationType.VISION)
+        self.assertEqual(call.status, CallRecord.Status.SUCCESS)
+        self.assertEqual(call.resolution, "")
+        self.assertEqual(call.result_summary, response.data["text"])
+        self.assertNotIn("first-image", call.result_summary)
+        self.assertNotIn("SECRET_RAW", call.result_summary)
+        self.assertEqual(
+            PointsLedger.objects.filter(
+                ref_call=call,
+                change_type=PointsLedger.ChangeType.CONSUME,
+            ).count(),
+            1,
+        )
+
+    def test_analyze_images_requires_nonempty_exclusive_image_sources(self):
+        empty = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {"prompt": "分析图片", "images": []},
+        )
+        both = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {
+                "prompt": "分析图片",
+                "images": [
+                    {
+                        "image_url": "https://images.example.test/input.jpg",
+                        "image_base64": "aW1hZ2U=",
+                    }
+                ],
+            },
+        )
+
+        self.assertEqual(empty.status_code, 400)
+        self.assertEqual(empty.data["error"]["code"], "bad_request")
+        self.assertEqual(both.status_code, 400)
+        self.assertEqual(both.data["error"]["code"], "bad_request")
+        self.assertEqual(self.provider.vision_calls, [])
+        self.assert_generation_not_charged()
+
+    @override_settings(VISION_MAX_IMAGES=1)
+    def test_analyze_images_rejects_too_many_images_before_charge(self):
+        encoded = base64.b64encode(b"image").decode("ascii")
+
+        response = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {
+                "prompt": "分析图片",
+                "images": [
+                    {"image_base64": encoded},
+                    {"image_base64": encoded},
+                ],
+            },
+        )
+
+        self.assertEqual(response.status_code, 400)
+        self.assertEqual(response.data["error"]["code"], "bad_request")
+        self.assert_generation_not_charged()
+
+    @override_settings(VISION_MAX_IMAGE_BYTES=3, VISION_MAX_TOTAL_BYTES=10)
+    def test_analyze_images_rejects_oversized_single_image_before_charge(self):
+        encoded = base64.b64encode(b"four").decode("ascii")
+
+        response = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {"prompt": "分析图片", "images": [{"image_base64": encoded}]},
+        )
+
+        self.assertEqual(response.status_code, 400)
+        self.assertEqual(response.data["error"]["code"], "bad_request")
+        self.assert_generation_not_charged()
+
+    @override_settings(VISION_MAX_IMAGE_BYTES=10, VISION_MAX_TOTAL_BYTES=5)
+    def test_analyze_images_rejects_oversized_total_before_charge(self):
+        encoded = base64.b64encode(b"abc").decode("ascii")
+
+        response = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {
+                "prompt": "分析图片",
+                "images": [
+                    {"image_base64": encoded},
+                    {"image_base64": encoded},
+                ],
+            },
+        )
+
+        self.assertEqual(response.status_code, 400)
+        self.assertEqual(response.data["error"]["code"], "bad_request")
+        self.assert_generation_not_charged()
+
+    def test_analyze_images_rejects_private_image_url_before_charge(self):
+        with patch(
+            "apps.api.generation.socket.getaddrinfo",
+            return_value=dns_result("127.0.0.1"),
+        ):
+            response = self.post_with_provider(
+                "/api/v1/analyze/images",
+                {
+                    "prompt": "分析图片",
+                    "images": [{"image_url": "http://internal.example.test/input.jpg"}],
+                },
+            )
+
+        self.assertEqual(response.status_code, 400)
+        self.assertEqual(response.data["error"]["code"], "bad_request")
+        self.assertEqual(self.provider.vision_calls, [])
+        self.assert_generation_not_charged()
+
+    def test_analyze_images_requires_api_key(self):
+        encoded = base64.b64encode(b"image").decode("ascii")
+
+        response = self.client.post(
+            "/api/v1/analyze/images",
+            {"prompt": "分析图片", "images": [{"image_base64": encoded}]},
+            format="json",
+        )
+
+        self.assertEqual(response.status_code, 401)
+        self.assertEqual(response.data["error"]["code"], "unauthorized")
+        self.assert_generation_not_charged()
+
+    @override_settings(
+        MODERATION_ENABLED=True,
+        MODERATION_PROVIDER="keyword",
+        MODERATION_CACHE_VERSION_KEY="test:api:vision:moderation:version",
+    )
+    def test_analyze_images_blocks_prompt_before_loading_images_or_charge(self):
+        SensitiveWord.objects.create(word="敏感词", category="policy")
+
+        with (
+            patch("apps.api.generation.decode_image_input") as decode_image,
+            patch("apps.api.generation.download_image_input") as download_image,
+        ):
+            response = self.post_with_provider(
+                "/api/v1/analyze/images",
+                {
+                    "prompt": "分析敏-感词图片",
+                    "images": [
+                        {"image_url": "https://images.example.test/input.jpg"}
+                    ],
+                },
+            )
+
+        self.assertEqual(response.status_code, 400)
+        self.assertEqual(response.data["error"]["code"], "content_blocked")
+        decode_image.assert_not_called()
+        download_image.assert_not_called()
+        self.assert_generation_not_charged()
+
+    def test_analyze_images_rejects_model_or_provider_without_text_vision(self):
+        bad_alias = f"vision-without-text-{uuid.uuid4().hex[:8]}"
+        ModelAlias.objects.create(
+            operation_type=ModelAlias.OperationType.VISION,
+            alias=bad_alias,
+            ai_model=self.image_model,
+        )
+        encoded = base64.b64encode(b"image").decode("ascii")
+        payload = {
+            "prompt": "分析图片",
+            "model": bad_alias,
+            "images": [{"image_base64": encoded}],
+        }
+
+        model_rejected = self.post_with_provider("/api/v1/analyze/images", payload)
+        provider_rejected = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {**payload, "model": self.vision_alias},
+            provider=FakeGenerationProvider(capabilities={"vision"}),
+        )
+
+        self.assertEqual(model_rejected.status_code, 400)
+        self.assertEqual(model_rejected.data["error"]["code"], "model_not_allowed")
+        self.assertEqual(provider_rejected.status_code, 400)
+        self.assertEqual(provider_rejected.data["error"]["code"], "model_not_allowed")
+        self.assert_generation_not_charged()
+
+    def test_analyze_images_upstream_failure_refunds_once(self):
+        encoded = base64.b64encode(b"image").decode("ascii")
+        self.provider.vision_error = requests.Timeout("vision timeout")
+
+        response = self.post_with_provider(
+            "/api/v1/analyze/images",
+            {
+                "prompt": "分析图片",
+                "model": self.vision_alias,
+                "images": [{"image_base64": encoded}],
+            },
+        )
+
+        self.assertEqual(response.status_code, 502)
+        self.assertEqual(response.data["error"]["code"], "upstream_timeout")
+        self.wallet.refresh_from_db()
+        self.assertEqual(self.wallet.points_balance, 100)
+        call = CallRecord.objects.get(operation_type=CallRecord.OperationType.VISION)
+        self.assertEqual(call.status, CallRecord.Status.FAILED)
+        self.assertEqual(
+            PointsLedger.objects.filter(
+                ref_call=call,
+                change_type=PointsLedger.ChangeType.CONSUME,
+            ).count(),
+            1,
+        )
+        self.assertEqual(
+            PointsLedger.objects.filter(
+                ref_call=call,
+                change_type=PointsLedger.ChangeType.REFUND,
+            ).count(),
+            1,
+        )
+
    def test_generate_image_stores_file_returns_url_and_does_not_store_raw_base64(self):
        encoded = base64.b64encode(b"input-image").decode("ascii")

@@ -2,6 +2,7 @@ from django.urls import path

 from .views import (
    AlipayRechargeCallbackView,
+    AnalyzeImagesView,
    BalanceView,
    ClientLatestReleaseView,
    GenerateImageTaskDetailView,
@@ -23,6 +24,7 @@ urlpatterns = [
        name="api-client-release-latest",
    ),
    path("v1/generate/title", GenerateTitleView.as_view(), name="api-generate-title"),
+    path("v1/analyze/images", AnalyzeImagesView.as_view(), name="api-analyze-images"),
    path("v1/generate/image", GenerateImageView.as_view(), name="api-generate-image"),
    path(
        "v1/generate/image/tasks",
@@ -15,6 +15,7 @@ from apps.api.authentication import ApiKeyAuthentication
 from apps.api.errors import api_error
 from apps.api.generation import (
    ApiRequestError,
+    analyze_images_response,
    generate_image_response,
    generate_title_response,
 )
@@ -25,6 +26,7 @@ from apps.api.image_tasks import (
 )
 from apps.api.models import ImageGenerationTask
 from apps.api.serializers import (
+    AnalyzeImagesRequestSerializer,
    GenerateImageRequestSerializer,
    GenerateTitleRequestSerializer,
    RechargeCreateRequestSerializer,
@@ -97,6 +99,27 @@ class GenerateTitleView(ExternalApiView):
        return Response(data, status=status.HTTP_200_OK)


+class AnalyzeImagesView(ExternalApiView):
+    throttle_classes = (GenerateRateThrottle,)
+
+    def post(self, request):
+        serializer = AnalyzeImagesRequestSerializer(data=request.data)
+        if not serializer.is_valid():
+            return Response(
+                api_error("bad_request", "参数错误"),
+                status=status.HTTP_400_BAD_REQUEST,
+            )
+        try:
+            data = analyze_images_response(
+                user=request.user,
+                api_key=request.auth,
+                request_data=serializer.validated_data,
+            )
+        except ApiRequestError as exc:
+            return Response(exc.as_response_data(), status=exc.http_status)
+        return Response(data, status=status.HTTP_200_OK)
+
+
 class GenerateImageView(ExternalApiView):
    throttle_classes = (GenerateRateThrottle,)

@@ -0,0 +1,23 @@
+# Generated by Django 5.2.15 on 2026-07-16 03:52
+
+from django.db import migrations, models
+
+
+class Migration(migrations.Migration):
+
+    dependencies = [
+        ('billing', '0007_alter_pointsledger_change_type_signupbonusgrant'),
+    ]
+
+    operations = [
+        migrations.AlterField(
+            model_name='callrecord',
+            name='operation_type',
+            field=models.CharField(choices=[('title', '生成标题'), ('image', '生成图片'), ('vision', '图片理解')], max_length=32, verbose_name='操作类型'),
+        ),
+        migrations.AlterField(
+            model_name='pricingrule',
+            name='operation_type',
+            field=models.CharField(choices=[('title', '生成标题'), ('image', '生成图片'), ('vision', '图片理解')], max_length=32, verbose_name='操作类型'),
+        ),
+    ]
@@ -14,6 +14,7 @@ class CallRecord(models.Model):
    class OperationType(models.TextChoices):
        TITLE = "title", "生成标题"
        IMAGE = "image", "生成图片"
+        VISION = "vision", "图片理解"

    class Status(models.TextChoices):
        PENDING = "pending", "待处理"
@@ -30,6 +30,8 @@
                    生成标题
                  {% elif item.operation_type == "image" %}
                    生成图片
+                  {% elif item.operation_type == "vision" %}
+                    图片理解
                  {% else %}
                    {{ item.operation_type }}
                  {% endif %}
@@ -503,6 +503,12 @@ class PortalAccountFlowTests(TestCase):
            url="https://provider-secret.example/v1/images/edits",
            model_sku="secret-sku-image-2",
        )
+        vision_alias = self.create_model_alias(
+            alias="vision-standard",
+            operation_type=ModelAlias.OperationType.VISION,
+            capabilities=["text", "vision"],
+            model_sku="secret-sku-vision",
+        )
        PricingRule.objects.create(
            operation_type=title_alias.operation_type,
            alias=title_alias.alias,
@@ -516,12 +522,18 @@ class PortalAccountFlowTests(TestCase):
            points_cost=12,
            is_active=False,
        )
+        PricingRule.objects.create(
+            operation_type=vision_alias.operation_type,
+            alias=vision_alias.alias,
+            resolution="",
+            points_cost=3,
+        )
        self.client.force_login(user)

        response = self.client.get("/models")

        self.assertEqual(response.status_code, 200)
-        self.assertEqual(len(response.context["models"]), 2)
+        self.assertEqual(len(response.context["models"]), 3)
        self.assertContains(response, "可用模型")
        self.assertContains(response, "title-standard")
        self.assertContains(response, "生成标题")
@@ -529,6 +541,9 @@ class PortalAccountFlowTests(TestCase):
        self.assertContains(response, "2 点")
        self.assertContains(response, "image-edit")
        self.assertContains(response, "生成图片")
+        self.assertContains(response, "vision-standard")
+        self.assertContains(response, "图片理解")
+        self.assertContains(response, "3 点")
        self.assertContains(response, "需要")
        self.assertContains(response, "暂未定价")
        self.assertNotContains(response, "secret-sku")
@@ -117,6 +117,9 @@ IMAGE_URL_MAX_BYTES = env_int("IMAGE_URL_MAX_BYTES", 10 * 1024 * 1024)
 IMAGE_URL_MAX_REDIRECTS = env_int("IMAGE_URL_MAX_REDIRECTS", 3)
 IMAGE_URL_CONNECT_TIMEOUT_SECONDS = env_int("IMAGE_URL_CONNECT_TIMEOUT_SECONDS", 10)
 IMAGE_URL_READ_TIMEOUT_SECONDS = env_int("IMAGE_URL_READ_TIMEOUT_SECONDS", 60)
+VISION_MAX_IMAGES = env_int("VISION_MAX_IMAGES", 8)
+VISION_MAX_IMAGE_BYTES = env_int("VISION_MAX_IMAGE_BYTES", 10 * 1024 * 1024)
+VISION_MAX_TOTAL_BYTES = env_int("VISION_MAX_TOTAL_BYTES", 32 * 1024 * 1024)
 PUBLIC_BASE_URL = os.environ.get("PUBLIC_BASE_URL", "").rstrip("/")
 MEDIA_PUBLIC_BASE_URL = os.environ.get("MEDIA_PUBLIC_BASE_URL", PUBLIC_BASE_URL).rstrip("/")
 IMAGE_TASK_RETENTION_HOURS = env_int("IMAGE_TASK_RETENTION_HOURS", 24)
@@ -4,7 +4,7 @@

 ## 一句话定位

-`cmhub` 是「**自助用户端 + 计费 API + 运营后台**」三合一服务：终端用户在用户端自助注册、扫码充值、管理 API Key，用 API Key 调用把 `cmbot` 的「生成标题」「生成图片」能力封装成的 HTTP 接口，按**点数计费**；运营用 django-admin 管理用户、点数与记录。
+`cmhub` 是「**自助用户端 + 计费 API + 运营后台**」三合一服务：终端用户在用户端自助注册、扫码充值、管理 API Key，用 API Key 调用「生成标题」「生成图片」「多图理解」等 HTTP 接口，按**点数计费**；运营用 django-admin 管理用户、点数与记录。

 第一版 MVP 做：**用户自助注册登录 → 注册成功赠送 100 点试用点数 → 扫码充值转点数 → 自助生成/删除 API Key → 带 Key 调用按规则算点数 → 点数足够则调上游生成并扣点 / 不足则报错 → 写调用与消费记录 → django-admin 运营后台**。注册赠点也是账本资产，必须经计费层入账并写点数流水。

@@ -40,6 +40,8 @@

 当前项目处于：**Phase 6 增强任务推进期**。Phase 2 计费核心已完成到 T-204；Phase 3 已完成 T-301 API Key 鉴权、T-302 生成标题 / 图片接口、T-303 余额查询接口、T-304 充值回调、T-305 扫码充值下单 + 轮询与 T-306 对外 API 安全加固；Phase 4 已完成 T-501 注册 / 登录（allauth）、T-502 API Key 自助管理页、T-503 个人中心 / 记录页、T-504 充值页与 T-505 用户端审核优化；Phase 5 已完成 T-401 运营后台完善、T-402 MVP 完整验收与 T-403 部署 / 运行文档；Phase 6 已完成 T-601「可用别名发现」、T-602「django-admin 中文化第 1-3 层」、T-603「django-admin 字段级中文化」、T-604「中文敏感词本地过滤」、T-605「免邮箱验证策略落地」、T-606「公开首页 + 客户端下载入口」、T-607「桌面端最新版本检查接口」、T-608「新用户注册赠送 100 点试用点数」、T-609「桌面端版本检查接口增加强制更新标记」、T-610「首页导入模板下载入口」、T-611「用户端品牌名统一为虾皮圈」、T-612「生图同步接口止血」、T-613「抽生成核心 service」、T-614「生图异步任务化接口」与 T-615「旧同步生图接口遥测 / 弃用口径」。生图慢 / 504 / 客户端超时已拆为 T-612~T-615 并完成：T-612 已做同步接口上游硬截止止血，T-613 已抽共享生成 core，T-614 已新增异步提交 / 轮询接口与 DB worker，T-615 已给旧同步 / 新异步提交路径接入结构化日志并形成旧同步接口退出条件。生产侧仍需补真实支付回调到账闭环；邮件服务仅用于后续密码找回/通知等邮件能力，不阻塞注册登录。

+T-616~T-619 也已完成：生图失败自动重试、客户端版本文件校验元数据、多图理解 `vision` 操作与同步接口均已落地。生产启用多图理解前仍需在 admin 配置视觉模型、默认别名和计费规则。
+
 优先路径：

 1. Phase 0：Django 骨架可运行、**自定义 User 模型在首次迁移前定好**、django-admin 可登录；T-004 审核修补项已完成。
@@ -48,7 +50,7 @@
 4. Phase 3：对外 API 与充值 —— T-301 Key 鉴权、T-302 生成接口、T-303 余额查询、T-304 充值回调、T-305 扫码下单与轮询、T-306 安全加固已完成。
 5. Phase 4：用户端（Django 模板 SSR）—— T-501 注册登录、T-502 API Key 管理、T-503 个人中心 / 记录页、T-504 充值页与 T-505 用户端审核优化已完成。
 6. Phase 5：后台与发布 —— T-401 运营后台完善、T-402 完整验收 MVP、T-403 部署 / 运行文档已完成；计划内 MVP 任务已收尾。
-7. Phase 6：增强（MVP 后）—— T-601~T-618 已完成，覆盖可用别名发现、后台中文化、敏感词过滤、免邮箱验证、公开首页与客户端发布、注册赠点、用户端品牌、生图异步化 / 遥测 / 自动重试和客户端发布校验元数据；T-619「多张图片理解并返回文字」已登记为下一项 `TODO`，将新增独立 `vision` 操作、能力别名和同步多图理解接口，当前尚未实现。
+7. Phase 6：增强（MVP 后）—— T-601~T-619 已完成，覆盖可用别名发现、后台中文化、敏感词过滤、免邮箱验证、公开首页与客户端发布、注册赠点、用户端品牌、生图异步化 / 遥测 / 自动重试、客户端发布校验元数据和同步多图理解；当前没有已登记的下一编号任务。

 ## 领取任务规则

@@ -69,7 +71,7 @@
 MVP 只做：

 - **用户端（Django 模板 SSR + Bootstrap）**：自助注册/登录、注册成功一次性赠送 100 点试用点数、扫码充值、查看充值记录/充值总额/剩余点数/消费记录、自助生成与删除 API Key。
- 对外生成接口：`POST /api/v1/generate/title`（同步返回标题）、`POST /api/v1/generate/image`（旧同步生图，保留兼容）、`POST /api/v1/generate/image/tasks` + `GET /api/v1/generate/image/tasks/{task_id}`（异步生图提交 / 轮询）。
+- 对外生成 / 理解接口：`POST /api/v1/generate/title`（同步返回标题）、`POST /api/v1/generate/image`（旧同步生图，保留兼容）、`POST /api/v1/generate/image/tasks` + `GET /api/v1/generate/image/tasks/{task_id}`（异步生图提交 / 轮询）、`POST /api/v1/analyze/images`（同步多图理解并返回文字）。
 - API Key 鉴权，识别所属注册用户（API 只认 Key，不认 Web session）。
 - 点数计费：按「操作类型 + 能力别名（+ 可选分辨率）」查计费规则得点数；本地余额原子扣减；不足报错。
 - 支付充值回调：支付系统服务端回调 → 验签 + 幂等 → 按汇率把金额转点数入账。
@@ -31,6 +31,7 @@
 | 个人中心 | 查看剩余点数、充值总额、充值记录、点数使用（消费）记录 | P0 |
 | 生成标题 API | 带 API Key + prompt（+可选商品图）调用，拿到标题文字 | P0 |
 | 生成图片 API | 带 API Key + prompt + 图 + 模型/分辨率调用；旧同步接口可直接返回图片 URL，新版客户端可用异步提交 / 轮询拿结果 | P0 |
+| 多图理解 API | 带 API Key + prompt + 一张或多张图片调用，按图片顺序理解、比较或提取信息并返回完整文字 | P1 |
 | 点数计费与扣减 | 按「操作类型+能力别名+分辨率」算点数，余额足够则扣点放行，不足则报错 | P0 |
 | 余额查询 API | 查询当前用户点数余额 | P0 |
 | 调用记录 | 每次调用落库：用户、Key、时间、操作、模型、消耗点数、成功/失败、错误 | P0 |
@@ -57,9 +58,10 @@
 2. 作为已登录用户，我自助生成一把 API Key（明文只显示一次），也能删除不用的 Key。
 3. 作为接入方，我带着 API Key 调用生成标题接口，传入 prompt，能拿到生成的标题。
 4. 作为接入方，我可以调用旧同步生成图片接口在同一个响应里拿到图片结果；也可以调用异步图片任务接口先拿到 `task_id`，再轮询直到成功或失败。
-5. 当我的点数不足以支付本次调用时，系统拒绝调用并返回「点数不足，请先充值」，且不调用上游、不扣点。
-6. 作为已登录用户，我在个人中心看到剩余点数、充值总额、充值记录和消费（调用）记录。
-7. 作为运营，我在后台能管理用户与点数（手工调点带原因），配置某操作的点数单价，查看某用户的调用记录和点数流水。
+5. 作为接入方，我可以提交一张或多张商品图，让支持视觉理解的模型按输入顺序分析并返回文字；一次请求只按对应能力别名扣一次点数。
+6. 当我的点数不足以支付本次调用时，系统拒绝调用并返回「点数不足，请先充值」，且不调用上游、不扣点。
+7. 作为已登录用户，我在个人中心看到剩余点数、充值总额、充值记录和消费（调用）记录。
+8. 作为运营，我在后台能管理用户与点数（手工调点带原因），配置某操作的点数单价，查看某用户的调用记录和点数流水。

 ## 五、验收标准（MVP）

@@ -67,6 +69,7 @@

 - **生成标题 API**：携带有效 API Key + 合法 prompt 调用，返回 200 且响应含标题文本；无效/缺失 Key 返回 401。
 - **生成图片 API**：旧同步接口携带有效 Key 调用，在超时上限内返回 200 且含图片 URL；异步接口提交后返回 `task_id`，轮询成功后返回稳定图片 URL。上游失败、超时或异步任务僵死时返回明确错误码，且**不最终扣点**（已扣则冲正）。
+- **多图理解 API**：携带有效 Key、合法 prompt 和 1–8 张图片调用，返回 200 且响应含完整文字；图片顺序保持不变；输入无效、超限、命中敏感词或 URL 不安全时不扣点，上游失败时已扣点数只退一次。
 - **点数计费与扣减**：调用前按规则算出点数 N；余额 ≥ N 才放行并精确扣 N；余额 < N 返回点数不足错误码且不调上游。并发同时多次调用，最终扣点总额正确，**不出现超扣或扣成负数**。
 - **余额查询 API**：返回的余额等于该账号点数流水累加结果。
 - **充值转点数**：模拟一次支付系统回调（含订单号、金额、签名），验签通过后按汇率加点；**同一订单号重复回调只入账一次**（幂等）；验签失败不入账。
@@ -41,6 +41,8 @@ T-301 已实现 `ApiKeyAuthentication` 与 `ExternalApiView`：外部 API 使用

 T-302 已实现 `/api/v1/generate/title` 与 `/api/v1/generate/image`：API 层只做鉴权、参数校验和编排；别名解析、Provider 选择、计费计算、预扣、成功确认、失败退点分别调用 `apps.ai` / `apps.billing` 既有模块。T-613 已把生成链路抽为 `apps.api.generation` 的核心阶段：`prepare_generation()` 负责审核、图片输入、别名、Provider 与计费准备；`precharge_generation()` 只调用 billing 预扣；`execute_precharged_generation()` 复用已预扣 `CallRecord` 调上游并成功确认或失败退点，供旧同步接口和后续异步 worker 共用。图片结果 MVP 先用本地 `default_storage` 保存到 `MEDIA_ROOT/generated/images/...` 并返回 `image_url`；核心阶段通过 URL 构建器生成外部 URL，不依赖 DRF `Request`；`CallRecord` 只写 URL / 摘要，不保存 provider `raw` 或 base64。

+T-619 已在同一生成核心增加 `vision` 分支和 `/api/v1/analyze/images`：API 接收有序的 `images[]`，每项二选一提供 `image_url` / `image_base64`；prompt 审核通过后才下载或解码图片，随后校验同时具备 `text + vision` 的模型与 Provider、按 `vision + alias` 默认价格预扣一次、同步调用 Chat Completions / Gemini 多模态接口并返回完整文字。输入图片只在请求内存中使用，不落库；`CallRecord` 只保存最多 500 字结果摘要。
+
 T-614 已实现 `/api/v1/generate/image/tasks` 与 `/api/v1/generate/image/tasks/{task_id}`：提交接口同步审核 prompt、解析图片输入和预扣点，创建 `ImageGenerationTask(status=queued)` 后立即返回公开 UUID `task_id`；后台 worker 通过 `select_for_update(skip_locked)` 抢任务，复用 T-613 `execute_precharged_generation()` 对已预扣 `CallRecord` 调上游、保存结果、成功确认或失败退点。任务表记录 worker 租约、心跳和尝试次数；reaper 识别僵尸 `running` 任务后默认判失败并幂等退点，不默认重排队。异步 worker 没有 DRF request，结果 URL 由 `MEDIA_PUBLIC_BASE_URL` / `PUBLIC_BASE_URL` 生成。当前实现中 worker 会基于任务快照再次运行 `prepare_generation()`，因此会复审 prompt、重解析别名 / Provider / 定价；账务仍使用已预扣 `CallRecord.points_cost`，不会重复扣点。这个取舍偏安全（排队期间敏感词库更新后仍能拦截并退款），但如果未来队列积压明显，应单独实现“提交时模型配置快照”，避免执行时别名映射变化导致按旧价预扣、按新模型执行。

 T-616 起异步生图 worker 对临时性上游失败增加自动重试：`upstream_timeout` / `upstream_error` 在未达到最大次数前回到 `queued` 并设置 `next_attempt_at`，`CallRecord` 保持 `pending` 且不退点；不可重试错误或最后一次失败才置 `failed` 并幂等退款。默认 `IMAGE_TASK_MAX_RETRIES=2`，因此 `attempt_count` 最多为 3。
@@ -57,6 +59,8 @@ T-504 已实现用户端 `/recharge` 页面：GET 展示当前余额、充值表

 T-306 已实现对外 API 安全加固：`download_image_input()` 在请求前校验 `image_url` 协议与解析后的 IP，只允许公网 `http` / `https`，拒绝私有、回环、链路本地、保留、组播、未指定地址；重定向由服务端手动跟随并逐跳重新校验，响应按 `IMAGE_URL_MAX_BYTES` 流式限长读取。`REST_FRAMEWORK` 全局默认认证为空、默认权限为 `IsAuthenticated`，外部 API 和用户端 session API 必须显式声明认证类；生成接口挂 `GenerateRateThrottle`，认证失败挂 IP 限流；充值下单通过 `RECHARGE_MAX_AMOUNT_CNY` 控制单笔上限。T-607/T-609/T-617 版本检查接口已显式使用 `AllowAny` / 空认证，且只返回公开发布元数据、强制更新标记和文件大小字节数。

+T-619 多图理解继续复用上述 URL 下载器和逐跳 SSRF 校验，并额外用 `VISION_MAX_IMAGES`、`VISION_MAX_IMAGE_BYTES`、`VISION_MAX_TOTAL_BYTES` 控制图片数量、单图解码后大小和请求总大小。第一版只审核文字 prompt，不包含图片内容审核。
+
 **计费层（`apps/billing`）**

 - 计费规则查询：按「操作类型 + 能力别名（+ 可选分辨率）」算出本次点数 N。**按别名定价，不按具体供应商 SKU 定价**，这样后台换底层模型时计费不变。
@@ -146,8 +150,8 @@ CREATE TABLE ai_model (
 -- 能力别名（对外稳定标识 → 当前映射的具体模型）
 CREATE TABLE model_alias (
  id             BIGINT PRIMARY KEY,
-  alias          VARCHAR(64) NOT NULL, -- 如 title-standard / image-hd，对外用
-  operation_type VARCHAR(32) NOT NULL, -- title / image
+  alias          VARCHAR(64) NOT NULL, -- 如 title-standard / image-hd / vision-standard，对外用
+  operation_type VARCHAR(32) NOT NULL, -- title / image / vision
  ai_model_id    BIGINT NOT NULL REFERENCES ai_model(id), -- 可随时改指向
  is_default     BOOLEAN NOT NULL DEFAULT FALSE,
  is_active      BOOLEAN NOT NULL DEFAULT TRUE,
@@ -172,7 +176,7 @@ CREATE TABLE ai_config_audit_log (
 -- 计费规则（按别名定价，换底层模型不影响计费）
 CREATE TABLE pricing_rule (
  id             BIGINT PRIMARY KEY,
-  operation_type VARCHAR(32) NOT NULL, -- title / image
+  operation_type VARCHAR(32) NOT NULL, -- title / image / vision
  alias          VARCHAR(64) NOT NULL, -- 能力别名字符串，不绑具体模型
  resolution     VARCHAR(32) NOT NULL DEFAULT '', -- 空字符串表示该别名默认价
  points_cost    BIGINT NOT NULL,      -- > 0
@@ -307,7 +311,7 @@ CREATE TABLE call_record (
  id               INTEGER PRIMARY KEY,
  user_id          INTEGER NOT NULL REFERENCES "user"(id),
  api_key_id       INTEGER REFERENCES api_key(id),  -- 本次调用所用的 Key
-  operation_type   TEXT NOT NULL,   -- title / image
+  operation_type   TEXT NOT NULL,   -- title / image / vision
  alias            TEXT,            -- 调用方请求的能力别名（对外稳定标识）
  model_used       TEXT,            -- 实际服务该次请求的具体模型（解析后，便于排障/对账）
  resolution       TEXT,
@@ -389,6 +393,7 @@ CREATE TABLE image_generation_task (
 - 扣点锁 `user_wallet` 行（`select_for_update()`）或 `F('points_balance') - N` 原子更新 + DB 约束 `points_balance >= 0`（MySQL 的 CHECK 需 ≥8.0.16），**杜绝并发超扣 / 扣成负数**；钱包与 auth `user` 表分离，扣点不与登录/资料更新抢锁。
 - **先扣后调、失败必退**：保证不会“调用成功但没扣到”或“失败还扣钱”。
 - 余额不足在调上游**之前**拦截。
+- `vision` 同步调用在别名解析前先审核 prompt，再按顺序读取 1–8 张图片；输入失败不进入预扣。计费规则使用空 `resolution` 默认价，一次请求固定预扣一次，不随图片数量重复扣费。

 ### 4.1.1 调用扣点（异步图片任务）

@@ -98,7 +98,7 @@

 | T-617 | 桌面端版本检查接口增加文件大小字段 | T-607, T-609 | 在 `GET /api/v1/client/releases/latest?platform=windows` 的当前版本响应中，为 `release` 对象新增 `size_bytes` 字段，用于桌面端下载后比对文件大小。**接口兼容**：只新增字段，不删除既有 `version` / `download_url` / `sha256` / `release_notes` / `force_update` / `published_at`；无当前版本或无下载地址时仍返回 `release:null`，不返回顶层 `size_bytes`。**数据来源**：`DownloadRelease` 新增 `size_bytes` 可空正整数字段，单位字节，django-admin 可填写并在列表展示；老数据为空时接口返回 `null`，客户端只在值为正整数时做大小校验。**安全**：接口仍公开匿名只读，不读取用户、不扣点、不暴露后台 ID、本地文件路径或内部状态。**文档**：同步 `api.md`、`routes.md`、`04-architecture.md`、`02-requirements.md`、`current-state.md`。**测试**：覆盖有值返回整数、未配置返回 `null`、未发布响应不返回顶层字段、响应字段白名单更新、admin 字段可见；`makemigrations --check` / `check` / 目标测试通过并在 `../progress.md` 留证据 | DONE |
 | T-618 | 客户端发布版本后台必填文件校验元数据 | T-617 | 把 django-admin 里 `DownloadRelease` 的 `sha256` 和 `size_bytes` 改为必填，避免运营发布客户端安装包时漏填校验元数据，导致桌面端无法完整校验下载文件。**范围**：本任务只要求 admin 后台保存时必填；为兼容历史数据和现有 API 合约，第一步不直接把数据库字段改成 `NOT NULL`，`size_bytes` 仍允许旧记录为空，API 暂保持可返回 `null`；若后续要数据库级强约束，需先单独回填全量历史发布记录再做迁移。**实现**：`DownloadReleaseAdmin` 已挂专用 `ModelForm`，将 `sha256`、`size_bytes` 设为 required，并保留 `sha256` 64 位十六进制校验、`size_bytes >= 1` 校验；admin 新增 / 编辑保存时未填会显示字段级错误，不写库。**生产数据**：上线后必须补齐当前 `windows` 发布版本的 `size_bytes`，再验证 `/api/v1/client/releases/latest?platform=windows` 返回正整数 `release.size_bytes`；已有 `sha256` 继续保留并核对。**兼容性**：不删除既有 API 字段，不改变无当前版本时的 `release:null`；非 admin 的历史数据、迁移和只读接口不应因空值直接 500。**文档**：同步 `api.md`、`04-architecture.md`、`routes.md`、`current-state.md` 和 `progress.md` 的发布校验口径。**测试**：已覆盖 admin 表单缺 `sha256` / 缺 `size_bytes` 拒绝保存、合法 `sha256 + size_bytes` 可保存、API 仍能读取历史空值记录、当前版本补齐后接口返回正整数；`check` / `makemigrations --check` / 目标测试通过并在 `../progress.md` 留证据 | DONE |
-| T-619 | 多张图片理解并返回文字 | T-613, T-601, T-306 | 新增独立的多模态图片理解能力，不复用“生成标题”语义。**操作与别名**：在 `ModelAlias.OperationType`、`CallRecord.OperationType` 和别名解析中新增 `vision`；建议首个数据库别名为 `vision-standard`，但不得在接口中暴露具体供应商模型名。`vision` 别名指向的 `AiModel` 及 Provider 必须同时具备 `vision` 与文字输出能力，图片生成 / 编辑专用 Provider 不得误接。**新增接口**：`POST /api/v1/analyze/images`，继承 `ExternalApiView`、使用 API Key 鉴权和生成限流，同步返回 `{text, alias, model_used, points_cost, points_balance, call_id}`；不改变 `/api/v1/generate/title`、`/api/v1/generate/image` 及异步生图接口。**请求结构**：`prompt` 必填，`model` 可选，`images` 为有序列表且至少 1 张；每项必须且只能提供一个 `image_url` 或 `image_base64`，允许 URL/base64 混合。新增 `VISION_MAX_IMAGES=8`、`VISION_MAX_IMAGE_BYTES=10485760`、`VISION_MAX_TOTAL_BYTES=33554432` 三个可配置上限，分别控制单次图片数量、单图解码后字节数和总字节数；超限、空列表、格式错误或同项双来源返回 `400 bad_request`，不扣点、不调上游。**安全时序**：serializer 后先按 T-604 审核 prompt，再下载 URL / 解码 base64；每个 URL 必须复用 T-306 的协议、公网地址、重定向逐跳校验、超时和响应大小保护，不另写弱化下载器。第一版只审核文字 prompt，不声称已做图片内容审核。**Provider**：复用 `apps/ai/providers` 现有 HTTP 适配层，增加向 Chat Completions / Gemini 发送多张图片并保序的兼容能力；不得复制第二套上游调用实现。现有单图标题 / 生图调用签名与行为保持兼容。**计费与留痕**：复用 T-613 共享生成 core 与 billing 的预扣 / 成功确认 / 幂等退点；第一版按 `operation_type=vision + alias` 的默认 `PricingRule` 对一次请求固定扣点，不按图片张数重复扣费，图片数量上限用于控制成本；上游失败必须退点。`CallRecord` 记录 `vision`、别名、实际模型、点数、耗时和结果摘要，不保存输入图片、base64、provider raw 或完整上游响应。**目录与运营配置**：`GET /api/v1/models` 和 portal 可用模型页按 T-601 既有语义列出 active、能力匹配的 `vision` 别名并显示 `requires_image=true`；有定价时返回 `priced`，缺定价时仍返回 `unpriced`，不得改变现有目录兼容行为。代码部署 / migrate 后由运营在 admin 配置支持视觉理解的 `AiModel`、`vision-standard` 默认别名和计费规则，不通过数据迁移写入真实上游配置或密钥。**范围边界**：本任务只做同步文字结果，不做流式输出、异步 vision task、OCR 专用接口、结构化 JSON schema、图片内容审核，也不为 OCR / 商品识别 / 图片对比各建别名；这些用途先由 prompt 表达，只有底层模型或价格确实不同时再增加别名。**文档**：实现时同步 `02-requirements.md`、`04-architecture.md`、`api.md`、`routes.md`、`env.md`、`current-state.md` 和 `progress.md`。**测试**：覆盖单图 / 多图 / 混合来源及顺序、默认 / 指定别名、模型与 Provider 能力拒绝、图片数量与大小限制、SSRF、敏感词先拦截、成功仅扣一次、上游失败仅退一次、调用记录不保存图片 / raw、模型目录安全字段、旧标题 / 生图接口回归；`makemigrations` / `migrate` / `check` / 目标测试 / `init` 通过并在 `../progress.md` 留证据 | TODO |
+| T-619 | 多张图片理解并返回文字 | T-613, T-601, T-306 | 新增独立的多模态图片理解能力，不复用“生成标题”语义。**操作与别名**：在 `ModelAlias.OperationType`、`CallRecord.OperationType` 和别名解析中新增 `vision`；建议首个数据库别名为 `vision-standard`，但不得在接口中暴露具体供应商模型名。`vision` 别名指向的 `AiModel` 及 Provider 必须同时具备 `vision` 与文字输出能力，图片生成 / 编辑专用 Provider 不得误接。**新增接口**：`POST /api/v1/analyze/images`，继承 `ExternalApiView`、使用 API Key 鉴权和生成限流，同步返回 `{text, alias, model_used, points_cost, points_balance, call_id}`；不改变 `/api/v1/generate/title`、`/api/v1/generate/image` 及异步生图接口。**请求结构**：`prompt` 必填，`model` 可选，`images` 为有序列表且至少 1 张；每项必须且只能提供一个 `image_url` 或 `image_base64`，允许 URL/base64 混合。新增 `VISION_MAX_IMAGES=8`、`VISION_MAX_IMAGE_BYTES=10485760`、`VISION_MAX_TOTAL_BYTES=33554432` 三个可配置上限，分别控制单次图片数量、单图解码后字节数和总字节数；超限、空列表、格式错误或同项双来源返回 `400 bad_request`，不扣点、不调上游。**安全时序**：serializer 后先按 T-604 审核 prompt，再下载 URL / 解码 base64；每个 URL 必须复用 T-306 的协议、公网地址、重定向逐跳校验、超时和响应大小保护，不另写弱化下载器。第一版只审核文字 prompt，不声称已做图片内容审核。**Provider**：复用 `apps/ai/providers` 现有 HTTP 适配层，增加向 Chat Completions / Gemini 发送多张图片并保序的兼容能力；不得复制第二套上游调用实现。现有单图标题 / 生图调用签名与行为保持兼容。**计费与留痕**：复用 T-613 共享生成 core 与 billing 的预扣 / 成功确认 / 幂等退点；第一版按 `operation_type=vision + alias` 的默认 `PricingRule` 对一次请求固定扣点，不按图片张数重复扣费，图片数量上限用于控制成本；上游失败必须退点。`CallRecord` 记录 `vision`、别名、实际模型、点数、耗时和结果摘要，不保存输入图片、base64、provider raw 或完整上游响应。**目录与运营配置**：`GET /api/v1/models` 和 portal 可用模型页按 T-601 既有语义列出 active、能力匹配的 `vision` 别名并显示 `requires_image=true`；有定价时返回 `priced`，缺定价时仍返回 `unpriced`，不得改变现有目录兼容行为。代码部署 / migrate 后由运营在 admin 配置支持视觉理解的 `AiModel`、`vision-standard` 默认别名和计费规则，不通过数据迁移写入真实上游配置或密钥。**范围边界**：本任务只做同步文字结果，不做流式输出、异步 vision task、OCR 专用接口、结构化 JSON schema、图片内容审核，也不为 OCR / 商品识别 / 图片对比各建别名；这些用途先由 prompt 表达，只有底层模型或价格确实不同时再增加别名。**文档**：实现时同步 `02-requirements.md`、`04-architecture.md`、`api.md`、`routes.md`、`env.md`、`current-state.md` 和 `progress.md`。**测试**：覆盖单图 / 多图 / 混合来源及顺序、默认 / 指定别名、模型与 Provider 能力拒绝、图片数量与大小限制、SSRF、敏感词先拦截、成功仅扣一次、上游失败仅退一次、调用记录不保存图片 / raw、模型目录安全字段、旧标题 / 生图接口回归；`makemigrations` / `migrate` / `check` / 目标测试 / `init` 通过并在 `../progress.md` 留证据 | DONE |

 ## 里程碑

@@ -23,6 +23,8 @@ T-301 已实现对外 API 鉴权基线：`apps.api.authentication.ApiKeyAuthenti

 T-302 已实现生成接口基线：`POST /api/v1/generate/title` 与 `POST /api/v1/generate/image` 已接入 API Key 鉴权、别名解析、计费规则、预扣点、Provider 调用、成功确认和失败退点；图片结果当前以本地 `MEDIA_ROOT` 保存并返回 `image_url`，后续可替换为对象存储。T-613 起内部实现已抽为生成核心 service，旧同步接口仍保持原字段、状态码和错误语义。T-614 起新增异步生图任务接口，提交阶段同步审核 prompt 和预扣点，worker 复用同一套已预扣执行 / 成功确认 / 失败退点阶段，不复制第二套资金逻辑。

+T-619 已实现 `POST /api/v1/analyze/images`：使用独立 `vision` 操作和能力别名，同步接收一张或多张有序图片并返回完整文字。该接口复用 T-613 的准备 / 预扣 / 执行 / 成功确认 / 失败退点核心，不改变标题和生图接口。
+
 T-614 已实现生图异步任务化：`POST /api/v1/generate/image/tasks` 返回 `202` 与公开 UUID `task_id`，`GET /api/v1/generate/image/tasks/{task_id}` 轮询任务状态和结果。任务表 `ImageGenerationTask` 关联 `user`、`api_key` 与已预扣 `CallRecord`，支持 `Idempotency-Key` 去重、payload 冲突 `409 idempotency_conflict`、租约 / 心跳 / reaper 处理僵尸 running 任务并幂等退点。异步结果 URL 由 `MEDIA_PUBLIC_BASE_URL` 或 `PUBLIC_BASE_URL` 生成，不透传上游临时链接。

 T-615 已实现生图接口用量遥测：旧同步 `POST /api/v1/generate/image` 与新异步提交 `POST /api/v1/generate/image/tasks` 都会写 `cmhub.api.generation_usage` 结构化日志，事件名 `generation_route_usage`。调用方可选带 `X-Client-Version` 请求头，便于按客户端版本观察旧同步路迁移进度；该请求头不参与鉴权、计费或幂等判断。日志只记录 route/user/key 前缀/客户端版本/别名/状态/耗时/错误码等白名单字段，不记录 API Key 明文、prompt、图片 base64 或 provider raw。
@@ -171,6 +173,45 @@ GET /api/v1/client/releases/latest?platform=windows

 要点：别名必须映射到声明 `text` 能力的模型；映射到图片模型时返回 `model_not_allowed`；别名无计费规则返回 `no_pricing_rule`。T-604 后 prompt 命中本地敏感词时返回 `content_blocked`，不扣点、不写调用记录、不调上游。若传 `image_url`，服务端只会在 prompt 审核通过后下载公网 `http` / `https` 图片，并在扣点前拒绝内网、回环、链路本地、元数据地址、跳转到内网的地址和超过大小上限的响应；被拒绝时返回 `bad_request` 且不预扣点。

+### `POST /api/v1/analyze/images`
+
+理解一张或多张图片并同步返回文字。请求：
+
+```json
+{
+  "prompt": "比较这些商品图，说明款式、材质和细节差异",
+  "model": "vision-standard",
+  "images": [
+    {"image_base64": "data:image/jpeg;base64,..."},
+    {"image_url": "https://example.com/detail.png"}
+  ],
+  "parameters": {"temperature": 0.2}
+}
+```
+
+`images` 必填且保持顺序，每项必须且只能提供一个 `image_url` 或 `image_base64`，允许两种来源混合。默认限制由 `VISION_MAX_IMAGES=8`、`VISION_MAX_IMAGE_BYTES=10485760`、`VISION_MAX_TOTAL_BYTES=33554432` 控制；超限、空列表、格式错误或同项双来源返回 `400 bad_request`，不扣点、不调上游。
+
+成功响应：
+
+```json
+{
+  "text": "第一张是商品正面图，第二张展示了领口和面料细节。",
+  "alias": "vision-standard",
+  "model_used": "provider-model-for-debugging",
+  "points_cost": 3,
+  "points_balance": 95,
+  "call_id": 12346
+}
+```
+
+要点：
+
+- `model` 是 `vision` 操作的能力别名；缺省时使用后台配置的默认别名。别名指向的 `AiModel` 与 Provider 必须同时具备 `text` 和 `vision` 能力，否则返回 `model_not_allowed`。
+- prompt 审核先于图片下载 / 解码；命中敏感词返回 `content_blocked`。每个 URL 复用现有公网地址、逐跳重定向、超时和 SSRF 防护。第一版不包含图片内容审核。
+- 第一版按 `PricingRule(operation_type=vision, alias, resolution="")` 对一次请求固定扣点，不按图片数量重复扣费。输入校验失败不预扣；上游失败按现有账务流程幂等退点。
+- Chat Completions / Gemini Provider 按请求顺序发送多张图片；返回 `text` 保留上游完整文字，不执行标题拆分清洗。
+- 输入图片只在本次同步请求内存中使用，不保存到数据库或 media；`CallRecord` 只保存最多 500 字结果摘要，不保存 base64、provider raw 或完整上游响应。
+
 ### `POST /api/v1/generate/image`

 生成图片（同步等待）。请求：
@@ -389,6 +430,16 @@ Authorization: Bearer sk_cmhub_xxx
      "requires_image": true,
      "pricing_status": "unpriced",
      "prices": []
+    },
+    {
+      "alias": "vision-standard",
+      "operation_type": "vision",
+      "capabilities": ["text", "vision"],
+      "requires_image": true,
+      "pricing_status": "priced",
+      "prices": [
+        {"resolution": "default", "points_cost": 3}
+      ]
    }
  ]
 }
@@ -529,7 +580,7 @@ query_and_apply_recharge_payment(order_no: str, query_func) -> RechargeResult
 resolve_alias(operation_type: str, alias: str | None) -> ResolvedModel
 ```

-T-102 后，别名解析已接入数据库表 `AiModel` / `ModelAlias`：每次调用读取当前 active 记录，缺省 `alias=None` 时取该 `operation_type` 的默认别名；标题要求 `text` 能力，图片要求 `image` 能力。密钥以 `AiModel.api_key_encrypted` 存储，使用 Fernet 解密后进入 `ResolvedModel`。
+T-102/T-619 后，别名解析已接入数据库表 `AiModel` / `ModelAlias`：每次调用读取当前 active 记录，缺省 `alias=None` 时取该 `operation_type` 的默认别名；标题要求 `text`，图片生成要求 `image`，图片理解要求同时具备 `text + vision`。密钥以 `AiModel.api_key_encrypted` 存储，使用 Fernet 解密后进入 `ResolvedModel`。

 从 `cmbot` 形状导入配置的管理命令：

@@ -557,12 +608,16 @@ class Provider(Protocol):
                       image_filename: str = "image.png",
                       resolution: str = "1K", aspect_ratio: str = "1:1",
                       parameters: dict | None = None) -> ImageGenerationResult: ...
+    def analyze_images(self, prompt: str, model: ResolvedModel,
+                       images: Sequence[MultimodalImage],
+                       parameters: dict | None = None) -> TextGenerationResult: ...
 ```

 要点：

 - `ResolvedModel` 来自数据库 AiModel（形状同 `cmbot/config/ai_models.json`，外加 `capabilities`；`api_key` 在库中以 Fernet 加密，使用时解密，不落明文）。
 - `TextGenerationResult` 包含 `text`、清洗后的 `titles`、`model_used`、`raw`；`ImageGenerationResult` 包含图片 bytes、`model_used`、`raw`。`raw` 仅供本次解析/排障摘要使用，调用记录不得整包保存或打印，避免 base64 大图和上游敏感字段入库；图片落对象存储并返回 URL 属 T-302 之后的 API 编排职责。
+- `analyze_images()` 接收有序 `MultimodalImage(data, mime_type)` 序列；Chat / Gemini 适配器翻译为各自多模态 payload，并从原始响应提取完整文字。图片生成 / 编辑专用 Provider 必须明确拒绝该操作。
 - 适配器按 `api_type`（`chat`/`gemini`/`images`/`images_edits`/`auto`）从注册表选取，新增供应商 = 新增一个适配器，不改对外接口。
 - `parameters` 为供应商特有参数的安全子集；适配器负责白名单过滤并把统一入参翻译成各家上游格式，核心字段不可被 `parameters` 或 `extra_body` 覆盖。
 - 配置热生效：每次调用读当前 AiModel/ModelAlias，后台改动及时反映（或带缓存失效）。
@@ -73,16 +73,21 @@ T-614 起新增异步生图任务接口：提交任务仍同步审核 prompt 和

 | 变量 | 必填 | 示例 | 说明 |
 | --- | --- | --- | --- |
-| `API_GENERATE_THROTTLE_RATE` | 否 | `60/min` | 生成标题 / 图片接口按 API Key 或用户限流，DRF throttle rate 格式 |
+| `API_GENERATE_THROTTLE_RATE` | 否 | `60/min` | 生成标题 / 图片 / 多图理解接口按 API Key 或用户限流，DRF throttle rate 格式 |
 | `API_AUTH_FAILURE_THROTTLE_RATE` | 否 | `30/min` | 缺失、畸形或无效 API Key 的认证失败按 IP 限流 |
 | `IMAGE_URL_MAX_BYTES` | 否 | `10485760` | `image_url` 服务端下载的最大响应字节数，默认 10 MiB |
 | `IMAGE_URL_MAX_REDIRECTS` | 否 | `3` | `image_url` 手动跟随重定向次数上限；每跳都会重新校验目标地址 |
 | `IMAGE_URL_CONNECT_TIMEOUT_SECONDS` | 否 | `10` | `image_url` 下载连接超时秒数 |
 | `IMAGE_URL_READ_TIMEOUT_SECONDS` | 否 | `60` | `image_url` 下载读取超时秒数 |
+| `VISION_MAX_IMAGES` | 否 | `8` | 多图理解接口单次最多接受的图片数量，最小按 1 处理 |
+| `VISION_MAX_IMAGE_BYTES` | 否 | `10485760` | 多图理解接口每张图片解码或下载后的最大字节数，默认 10 MiB |
+| `VISION_MAX_TOTAL_BYTES` | 否 | `33554432` | 多图理解接口单次所有图片的总字节数上限，默认 32 MiB |
 | `RECHARGE_MAX_AMOUNT_CNY` | 否 | `100000.00` | 用户端单笔充值金额上限，超过则拒绝创建订单 |

 `image_url` 只允许 `http` / `https`，服务端会在请求前解析域名，拒绝私有网段、回环、链路本地、保留地址、组播、未指定地址；重定向后的目标地址也会重复执行同样校验。内网图片不应通过 `image_url` 传入，调用方应改用 `image_base64`。

+多图理解接口会先审核 prompt，再按 `images` 顺序下载或解码图片；单图同时受 `VISION_MAX_IMAGE_BYTES` 限制，URL 下载不会绕过现有 SSRF、重定向和超时检查。三个 `VISION_*` 限制应按上游模型输入上限与 Web worker 内存共同校准。
+
 ## 六、内容安全 / 本地敏感词配置

 | 变量 | 必填 | 示例 | 说明 |
@@ -25,6 +25,7 @@ T-606 已落地 `/` 公开首页：匿名访问返回 200，不再重定向到 `
 | 路由 | 方法 | 职责 | 鉴权 |
 | --- | --- | --- | --- |
 | `/api/v1/generate/title` | POST | 生成标题 | API Key |
+| `/api/v1/analyze/images` | POST | 理解一张或多张图片并同步返回文字 | API Key |
 | `/api/v1/generate/image` | POST | 生成图片（同步） | API Key |
 | `/api/v1/generate/image/tasks` | POST | 提交异步图片生成任务，返回 `task_id` | API Key |
 | `/api/v1/generate/image/tasks/{task_id}` | GET | 轮询异步图片生成任务状态和结果 | API Key |
@@ -39,6 +40,8 @@ T-606 已落地 `/` 公开首页：匿名访问返回 200，不再重定向到 `
 T-607/T-609/T-617 已落地 `/api/v1/client/releases/latest`：公开匿名可访问，不需要 API Key，不读取用户账本，只返回当前 `DownloadRelease` 的版本、下载 URL、SHA256、发布说明、强制更新标记、文件大小字节数和发布时间；无当前版本返回 `release:null`。
 T-614 已落地 `/api/v1/generate/image/tasks` 与 `/api/v1/generate/image/tasks/{task_id}`：新版桌面端可先提交异步生图任务，再轮询状态；旧 `/api/v1/generate/image` 同步接口继续保留。异步查询只允许同一用户访问自己的任务，跨用户按不存在处理。

+T-619 已落地 `/api/v1/analyze/images`：使用独立 `vision` 操作和能力别名，同步接收有序多图并返回文字；不复用标题接口语义，也不改变现有标题 / 生图路由。
+
 ## 运营后台（django-admin，`/admin/`）

 后台用 Django Session 登录，按模型注册 Admin：
@@ -1913,3 +1913,40 @@
  - 多图上游调用必须扩展既有 Provider 和 T-613 共享生成 core；图片 URL 必须复用现有 SSRF 防护，失败复用计费层幂等退点。
  - 本任务不包含流式、异步 vision task、OCR 专用接口或结构化 JSON 输出；OCR、商品识别和图片对比先通过 prompt 表达。
 - 验证：`./init.ps1` 通过，Python 3.12.3，依赖已满足，`manage.py check` 0 issues；任务登记完成后继续执行文档 diff 检查。
+
+## 2026-07-16 开工：T-619 多张图片理解并返回文字
+
+- 状态：DOING。
+- 基线：执行 `./init.ps1` 通过，Python 3.12.3，依赖已满足，`manage.py check` 0 issues。
+- 范围：按 `docs/06-tasks.md` 新增独立 `vision` 操作、多图理解同步接口、Provider 多图支持、固定单次计费、目录展示和输入资源限制；不改旧标题、生图和异步生图契约。
+- 工作区说明：开工时存在用户侧 `.gitignore` 修改、已跟踪测试脚本 / 提示词删除和临时截图，均不属于 T-619，不恢复、不覆盖、不纳入本任务。
+
+## 2026-07-16 实施：T-619 多张图片理解并返回文字
+
+- 状态：DONE。
+- 代码变更：
+  - `ModelAlias.OperationType`、`CallRecord.OperationType` 与 `PricingRule` 可选操作新增 `vision`，生成并应用 `ai.0005` / `billing.0008` 迁移。
+  - `apps.ai.aliases` 把能力要求统一为集合；`vision` 模型和 Provider 必须同时支持 `text`、`vision`，图片生成 / 编辑专用 Provider 不可误接。
+  - Provider 协议新增 `analyze_images()` 与 `MultimodalImage`；Chat Completions、Gemini 按请求顺序发送多张图片并解析完整文字结果。
+  - 新增 `POST /api/v1/analyze/images`，支持有序 URL/Base64 混合图片；prompt 审核先于图片读取，URL 复用现有 SSRF 防护；数量、单图和总大小受三个 `VISION_*` 环境变量限制。
+  - 多图理解复用 T-613 生成核心和 billing 预扣 / 成功确认 / 幂等退款；每次请求按 `vision + alias` 默认价固定扣一次，调用记录只保留最多 500 字文字摘要，不保存输入图片或 provider raw。
+  - `GET /api/v1/models` 与 portal 可用模型页支持展示能力匹配的 active `vision` 别名，并返回 / 显示 `requires_image=true` 与计费状态。
+- 文档变更：同步 `README.md`、`docs/00-ai-start-here.md`、`02-requirements.md`、`04-architecture.md`、`06-tasks.md`、`api.md`、`current-state.md`、`env.md`、`routes.md` 与 `.env.example`；T-619 标记为 DONE。
+- 验证：
+  - `./init.ps1` 开工和收尾均通过；收尾为 Python 3.12.3、依赖已满足、Django system check 0 issues。
+  - `py -3.12 -m py_compile ...`：T-619 相关 Python 文件通过。
+  - `py -3.12 manage.py migrate --noinput`：通过，已应用 `ai.0005` 与 `billing.0008`。
+  - `py -3.12 manage.py check`：通过，0 issues；`py -3.12 manage.py makemigrations --check --dry-run`：通过，No changes detected。
+  - Provider 专项：10 tests OK；T-619 API / 别名 / 目录专项：13 tests OK；旧标题 / 生图关键回归：5 tests OK。
+  - `apps.ai.tests + ModelsCatalogApiTests + GenerateApiTests + portal 模型页` 扩展回归：84 tests OK。
+  - `apps.users.tests + apps.billing.tests + apps.moderation.tests` 分组回归：46 tests OK。
+  - 完整单命令回归运行 604 秒后达到执行器超时，未取得最终结果；随后 `apps.api.tests` 全量 88 条测试重试两次，均在测试库初始化阶段因远程 MySQL `43.128.3.240` 握手超时中断，未进入断言。同期 TCP 3306 探测可达，按环境稳定性问题记录，不把该两次运行记为通过。
+  - `git diff --check`：通过，仅 Windows CRLF 提示。
+- 生产启用提醒：部署代码并执行 migrate 后，需在 admin 配置同时具有 `text`、`vision` 能力的 active `AiModel`、`vision-standard` active 默认别名和 `operation_type=vision` 的默认 `PricingRule`；本任务不写入真实模型、URL、密钥或价格。
+- 工作区说明：用户侧 `.gitignore` 修改、`xiaxiuxiu.py` / `图生图提示词.txt` 删除及 `.tmp-t609-layout.png` 未跟踪文件保持原状，未作为 T-619 内容处理。
+- 数据库恢复后的补充验证：
+  - 新增 `GenerateApiTests.test_analyze_images_supports_single_image_with_explicit_alias`，补齐单图 + 指定别名成功矩阵；单独运行 1 test OK。
+  - API 鉴权 / 余额 / 模型目录 / 客户端版本分组：28 tests OK。
+  - API 充值回调 / 下单状态分组：13 tests OK。
+  - `apps.portal.tests` 全量：39 tests OK。
+  - 结合此前 `GenerateApiTests` 整类 47 tests OK 与新增单测，当前 API 89 条测试均有通过证据；所有应用已通过拆分方式完成完整回归。完整单命令超时仍作为远程 MySQL / 执行器稳定性现象保留，不再构成测试覆盖缺口。