让纯文本模型支持识别图片和生图，和生成图片，从API源头上开始，文本模型deepseek-v4+qwen3.7 plus+gpt-imag2，把多个模型合并成一个新的多模态模型，然后使用直接调用这个模型，有什么项目可以实现这个吗