zcode 中的 zai-mcp-server 这个识别图片很慢，有更快识别图片的解决方案吗？

[yuan321]

glm 模型还是很不错的，但是识别图片需要调用视觉 mcp 才可以，但是官方提供的这个识别 mcp 好慢啊，有没有更好的识别方案？

[TimePPT]

国内可以试试 qwen 的多模态模型，国外 openai 、gemini 的多模理解都还不错，如果多模理解任务不复杂，都可以用小一点的模型，另外如果想速度快，调用多模态模型时候 image 输入尺寸可以压缩一下