2. Linux.do
  3. 求问，CodeX有视觉理解能力吗

求问，CodeX有视觉理解能力吗

joker2040325 2026-07-15 09:44 1

为什么我将两份PDF交给他让他输出差异，但是我让Claude Code分析CodeX的过程，说CodeX并没有去查看由PDF渲染出的图片的过程，而是直接解析的文字文本内容

最新回复 (8)
  • 初九猫 07-15 09:47
    1楼

    你需要明文规定，他才会动用视觉能力，一般来讲他还会先转成图片然后再看

  • fhz 07-15 09:47
    2楼

    直接给图片是可以识别的，PDF还没有试过。

  • joker2040325 楼主 07-15 09:50
    3楼



    这是Claude Code的分析，佬能帮忙看看吗，是要明确指定CodeX：你要严格查看分析图片吗

  • MotorwaySouth 07-15 09:50
    4楼

    有视觉理解能力但没有原生阅读pdf工具。

    事实上连文本阅读工具也没有，一切都是终端拼写

    近期会开源一个解决这些问题的工具

  • lan 07-15 09:54
    5楼

    pdf分3种情况，

    1、可编辑模式：文字表格都是原始状态（可以不用视觉）

    2、栅格化模式：文字全部变成图形（需要视觉）

    3、位图模式：都是图片（需要视觉）


    再说明下，codex是工具，如果是原始的gpt模型那就是多模态的。

  • wxk666 07-15 10:28
    6楼

    佬你使用的是什么模型呢？如果是gpt模型就是有识图的能力的 如果是第三方模型建议去官方/中转站的模型广场 看一下是否有视觉能力

    能否识图和codex无关 codex只是个调用模型api的软件 得看模型

  • joker2040325 楼主 07-15 10:36
    7楼

    谢谢佬的解答，用的就是官方的GPT模型

  • MotorwaySouth 07-19 11:15
    8楼

    本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

    我的帖子已经打上 开源推广 标签： 是
    我的开源项目完整开源，无未开源部分： 是
    我的开源项目已链接认可 LINUX DO 社区： 是
    我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
    以上选择我承诺是永久有效的，接受社区和佬友监督： 是

    以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

    没有太多好…
* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐