API Key 用对；Base URL 带/v1；Codex config 里使用。

最近很多开发者都在接多模态能力：上传图片识别、客服截图分析、Logo 检测、OCR 前置筛选、Agent 读取视觉上下文……表面上看，请求返回 HTTP 200，好像就成功了。但在实际测试中，HTTP 200 只能说明接口返回了响应，不能证明模型真的看到了图片。image_url。

已经在 Crazyrouter 生产模型列表中可见。最小 chat completion 成功返回，response ID 为。和gpt-5.4都能通过调用。GPT-5.4 在 structured JSON 测试中返回 compact raw JSON，更适合程序直接解析。Claude Sonnet 5 返回内容有效，但 JSON 外层带 markdown code fence，需要工程层 no

已经在 Crazyrouter 生产模型列表中可见。最小 chat completion 成功返回，response ID 为。和gpt-5.4都能通过调用。GPT-5.4 在 structured JSON 测试中返回 compact raw JSON，更适合程序直接解析。Claude Sonnet 5 返回内容有效，但 JSON 外层带 markdown code fence，需要工程层 no

已经在 Crazyrouter 生产模型列表中可见。最小 chat completion 成功返回，response ID 为。和gpt-5.4都能通过调用。GPT-5.4 在 structured JSON 测试中返回 compact raw JSON，更适合程序直接解析。Claude Sonnet 5 返回内容有效，但 JSON 外层带 markdown code fence，需要工程层 no

任务：把 Crazyrouter 的产品说明改写成面向开发者的 5 条中文要点，避免营销腔。模型得分耗时5/57.302s5/56.495sFable 5 的中文输出也能用，但 Opus 4.8 更接近可以直接放进文档的版本。这轮vs两个模型都能完成多数开发者任务；Opus 4.8 总体更稳，尤其是 JSON、长上下文、API Review；Fable 5 在 Agent 工作流、路由策略和成本分

写代码、改 Bug分析报错日志生成测试用例阅读长文档理解项目结构辅助写 README / API 文档做自动化任务规划问题在于：模型更新速度很快，客户端默认模型列表往往跟不上。如果只能等软件官方更新模型列表，实际使用会比较被动。自定义模型的价值就在这里：只要服务端提供 OpenAI-compatible API，WorkBuddy 就可以提前接入新模型。模型更适合的场景长文档分析、复杂推理、架构审

最近很多开发者都在接多模态能力：上传图片识别、客服截图分析、Logo 检测、OCR 前置筛选、Agent 读取视觉上下文……表面上看，请求返回 HTTP 200，好像就成功了。但在实际测试中，HTTP 200 只能说明接口返回了响应，不能证明模型真的看到了图片。image_url。

最近很多开发者都在接多模态能力：上传图片识别、客服截图分析、Logo 检测、OCR 前置筛选、Agent 读取视觉上下文……表面上看，请求返回 HTTP 200，好像就成功了。但在实际测试中，HTTP 200 只能说明接口返回了响应，不能证明模型真的看到了图片。image_url。

最近很多开发者都在接多模态能力：上传图片识别、客服截图分析、Logo 检测、OCR 前置筛选、Agent 读取视觉上下文……表面上看，请求返回 HTTP 200，好像就成功了。但在实际测试中，HTTP 200 只能说明接口返回了响应，不能证明模型真的看到了图片。image_url。