[!bug] TLDR： 慵懒的官方与丑陋的脚本 



美团的 Omni 多模态模型其实去年就出原型，不过最近听说模型升级了（2603），同时提供 LongCat API 支持了，但是好像官方没有完全兼容 OpenAI 格式，导致没法直接调用起来。对着官方文档研究了一下，发现了问题所在： 
 [image] 


Omini 是全模态聊天模型，支持文本、语音、图片、视频等多种模态的混合输入和输出，所以它的 content 只支持 array 格式，抛弃了（或者只是忘记兼容了）最简单的 string 纯文本输入类型，即使只是纯文本输入，也要封装成 text 对象。

 [image] 



另外一个差别是 openai 传图用的字段是 image_url，omni 用的是 input_image 


Omni 还有一个控制输出模态的字段（output_modalities），默认为[...