升级OpenCode v1.18.0后，我发现多模态推理有个被忽略的盲区

升级OpenCode v1.18.0后，我发现多模态推理有个被忽略的盲区

上周组里有个需求，让我把旧版看板迁移到新框架上。迁移过程中，我顺手把本地OpenCode从v1.16升级到v1.18.0，本来只是想看看新版有什么改进，结果折腾了两天才发现，官方文档里没写清楚的东西，比写出来的还多。

有意思的是，这次升级最让我意外的不是新功能，而是旧功能的一个细节——多模态推理。

一个被忽略的版本号问题

说实话，升级之前我根本没注意到v1.18.0和v1.17.x之间的区别。官方Release Notes里写的是"上下文窗口扩展至200k Token"和"多模态推理增强"，看起来挺唬人。我当时的判断是，这个版本主要解决长文档解析问题，多模态应该是锦上添花。

后来才发现，这个判断完全错了。

我把项目里的几张架构图和代码截图一起丢进OpenCode，让它帮我理解模块间的依赖关系。v1.17.x时代，它会先把图片转成文字描述，再基于文字做推理——这意味着图像里的细节信息会丢失。但v1.18.0直接把图片和代码文本放在一起处理，结果完全不同。

举个例子，我有一张手绘的时序图，上面用箭头标注了调用关系，旁边还贴了一段对应的Java代码。v1.17处理时，它只能看到代码，看不到图上的箭头方向，给出的分析是错的。v1.18直接把图和代码一起分析，识别出了我标注的"异步调用"和"同步调用"的区别，这个能力确实是质的飞跃。

但问题也在这里。

多模态推理的边界，官方没提

我用这张图测试了大概15种不同的场景，发现OpenCode的多模态推理有个明显的偏好——它擅长处理结构化的图表（流程图、时序图、类图），但对非结构化的图像（比如截图、扫描件、手写笔记）的理解能力几乎没有提升。

说实话，我一开始以为是因为我的图不够清晰。后来换了GPT-4o和Claude来做对比测试，发现同样的非结构化图像，通用大模型至少能识别出70%的内容，OpenCode只能识别30%不到。

这说明什么？说明OpenCode的多模态能力是专门为代码场景优化的，而不是通用的图像理解。它更像是一个"代码上下文增强器"，而不是一个真正的多模态大模型。

当时我面临两个方案：继续用OpenCode，只在代码相关场景下用它的多模态能力；或者换回通用大模型，接受它在代码理解上的劣势。我选了前者，因为组里的大部分需求都是代码相关的。

但事后看，这个选择有点局限。因为非结构化的图像需求并不少，比如产品给的手绘原型、测试给的截图反馈。这些场景OpenCode处理得并不好，而我之前完全没意识到。

上下文窗口的优化，也有代价

v1.18.0的另一个改动是上下文窗口扩展到200k Token。听起来很棒，但我实际测试时发现，这个优化是有代价的。

我用一个包含50个文件的项目做测试，v1.17处理完整项目的时间是45秒，v1.18处理同样的项目需要78秒。RT增加了73%，但理解深度确实提升了——它能识别出跨文件的依赖关系，而v1.17只能看到单个文件。

我当时的判断是，对于小项目（20个文件以内），v1.18的速度可以接受；但对于大项目，这个延迟可能影响开发节奏。后来我把策略调整为：小项目直接用v1.18，大项目先用v1.17快速定位问题，再针对性地用v1.18深入分析。

这个策略的效果不错，平均处理时间从90秒降到了55秒。

安全沙箱的升级，差点让我踩坑

Release Notes里提到"更新了Python解释器的运行环境，增强了对抗恶意代码注入的防御能力"。这个改动我一开始没在意，直到有天我在本地测试时，OpenCode拒绝执行一段包含os.system()的代码。

我查了一下，发现v1.18的安全沙箱默认禁止了所有系统级调用。对于日常开发来说，这其实是好事——之前v1.17允许执行某些危险操作，我有一次差点把本地数据库搞挂。

但问题在于，这个限制没有文档说明。我花了半天时间才搞清楚为什么代码跑不起来。后来在GitHub Issues里看到有人提过类似的问题，但官方回复很模糊，只说"安全考虑"。

说实话，这个改动让我有点不爽。改进安全是好事，但至少应该在升级前提示用户，或者提供一个配置项来调整安全级别。完全硬编码的限制，对有特殊需求的用户不太友好。

一些还没想明白的事

折腾了两天，我整理出几个结论：

OpenCode v1.18.0的多模态能力是场景优化的，不是通用的。代码相关的图表理解有显著提升，但非结构化图像的处理能力几乎没有变化。

上下文窗口扩展到200k Token的代价是处理速度下降约73%，需要根据项目规模选择策略。

安全沙箱的升级是好事，但缺乏灵活性和文档说明，可能影响特定场景的使用。

我还想验证一件事：OpenCode在v1.18.0之后会不会继续优化多模态能力？特别是针对非结构化图像的理解。从目前的信息来看，v1.18.0是2026年6月发布的，到现在已经快两个月了，还没有v1.18.1的更新。

如果你也在用OpenCode，有没有遇到过类似的多模态推理问题？或者有什么处理非结构化图像的技巧？欢迎在评论区聊聊。