先叠个甲：非严谨测试，纯属个人奇思妙想~
故事是这样的，我在 cursor 中接入了mimo-v2.5-pro 输入图片，他输出了这样的东西。 
 [image] 
[image] 
由输出的文字如图所示,根据图片中的设计,这些输出词，我们可以知道，模型认为自己读取了图片，获取了图片的信息。 
但我们由官网信息可知，模型其实不支持读图。 
 [image] 
这就有意思了。 
论证
首先我们先看看真正的不支持图片的模型，它是怎么输出的。 
 [image] 
然后我们再看看mimo2.5pro。 
 [image] 
哈哈哈，有意思~ 
总结
大概率说明底座模型本身具备多模态基因，但 API 接口层限制了视觉输入。也就是，虽然“眼睛”被蒙住了，但“大脑”还记得自己当年看图说话的样子。 
如果是自己训的模型，就不会出现这种情况。