AI卡皮巴拉不具备图像理解能力，所有输入必须为纯文本。其架构仅支持text/plain与application/json，拒绝image类媒体类型，API端点在网关层强制校验Content-Type并拦截图像请求。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您尝试让AI卡皮巴拉分析一张截图、识别照片中的物体或根据图像生成描述，则可能立即收到错误响应。这是因为该模型不具备图像理解能力，所有输入必须为纯文本形式。以下是验证与应对此限制的具体方法：
一、核查模型输入模态规范
Anthropic泄露文档明确指出Mythos（即AI卡皮巴拉）仅支持UTF-8编码的文本流作为输入，未集成任何视觉编码器模块。其API端点拒绝接收图像类媒体类型，这是架构层面的硬性约束。
1、打开泄露博客草稿第17节“Model Architecture Overview”，确认其中列出的输入模态字段仅包含text/plain与application/json。
2、调用内部API文档中记载的端点mythos-v1-endpoints.json，向任意接口发送Content-Type为image/png的请求。
3、观察返回结果：HTTP状态码为400，响应体中明确提示"Unsupported media type: image/png —— input must be textual description only"。
二、比对多模态模型配置差异
主流多模态大模型需联合训练视觉编码器与语言解码器以实现跨模态对齐，而AI卡皮巴拉的技术路线完全规避该路径，其全部能力跃升均发生在语言空间内。
1、查阅Anthropic公开的Mythos能力矩阵图，确认“Image Understanding”与“Image Generation”两项均标注为N/A(Not Applicable)。
该技能指导用户根据设计灵感创建视觉情绪板。它提供分步说明，用于提取颜色、排版和UI模式，并将其组织成文档化的设计方向。工作流程包括根据用户反馈进行迭代优化，最终形成可供实施的设计系统。
2、对比Claude 3 Opus（VLM变体）的参数配置表，发现Mythos缺失“vision_encoder”字段及对应权重文件引用路径。
3、运行测试用例cybersec_image_analysis_benchmark，模型在接收到含图像URL的文本指令后，仍仅对URL后的文字说明部分进行解析，完全忽略图像本身。
三、验证API端点内容类型限制
模型服务端强制校验请求头中的Content-Type字段，仅接受文本类媒体类型。任何图像上传行为会在网关层被拦截，无法进入推理流程。
1、使用curl命令向https://api.anthropic.com/v1/messages发起POST请求，设置Header为Content-Type: image/jpeg，并附带base64编码的图片数据。
2、检查响应头，确认返回的Content-Type为application/json，且响应体中error.message字段值为"Invalid request: content_type must be application/json or text/plain"。
3、重复上述操作，将Content-Type改为multipart/form-data，同样触发相同错误提示，证实无文件上传通道开放。
