图片理解/OCR：分析一张或多张图片，支持描述、文字识别(OCR)、图表/UI/报错诊断等。单张用 image，多张（如文档多页）用 image_batch 数组。可用 preset 选任务类型(describe/ocr/chart/ui/diagram/error)或自由写 prompt。本地图片自动压缩优化（OCR 足够清晰、更快更省），需原图细节可设 compress=false。

视频理解：让模型描述视频内容、按时间顺序总结。支持本地文件、URL 或 base64，本地视频自动压缩。fps 控制抽帧密度（默认 2，范围 1-30；越大时序越精细、越耗 token），一般用默认即可。

音频理解/STT：转录或总结一段音频内容。推荐用本地文件或 base64（URL 音频可能不被识别）。不传 prompt 默认转录并总结主旨。

语音转写(ASR)：把音频转成纯文本，适合会议记录、方言、嘈杂环境录音。仅支持 wav/mp3，最大 10MB。用 language 明确语种(auto/zh/en)可提高准确率。

读取本地图片的元信息（尺寸、格式、颜色模式、EXIF/GPS）。需本地文件路径，不调用云端。

查询服务状态：云端模型是否已配置、当前模型与各项限制/处理参数。