token_counter charges 85 tokens for images priced with the default auto detail

当 LiteLLM 对未显式传入 detail 的图片(默认即为 auto )做 token 估算时,会把大图按 low 档计费,只返回 base_tokens ,导致高分辨率图片被严重低估;优先检查 litellm/litellm_core_utils/token_counter.py 中 cal

当 LiteLLM 对未显式传入 detail 的图片(默认即为 auto )做 token 估算时,会把大图按 low 档计费,只返回 base_tokens ,导致高分辨率图片被严重低估;优先检查 litellm/litellm_core_utils/token_counter.py 中 cal
![[Bug]: `FunctionTool` turns an empty list result into empty content instead of `[]`](https://www.chat-gpts.plus/wp-content/uploads/2026/11/23862-28b13393-768x403.jpg)
这个报错通常出现在用 FunctionTool 包装“可能返回空列表”的函数(例如分页查询、筛选、搜索类工具)并通过 agent 调用时:函数确实返回了 [] ,但工具输出里 content 变成空字符串 '' ,模型看到的是“无内容”而不是“空数组”。优先排查 FunctionTool._pars
![[Bug]: GLM-5.x (DSA) under pipeline parallelism: reuse layers at a stage start read stale top-k indices](https://www.chat-gpts.plus/wp-content/uploads/2026/11/63170-1a708cbf-768x403.jpg)
这个报错通常出现在用 GLM-5.x(GlmMoeDsaForCausalLM / DSA 稀疏注意力)并开启 pipeline parallelism( --pipeline-parallel-size > 1 )时:某个 PP stage 的第一层若是“复用 top-k 索引”的层而非 inde
![issue: [regression] [dev] Channel message actions are reached by Tab only after the message box, cut off from their message](https://www.chat-gpts.plus/wp-content/uploads/2026/11/33552-42971eeb-768x403.jpg)
在 Open WebUI 频道(Channel)里使用键盘 Tab 导航时,某条消息的操作按钮(添加回应、回复、置顶、在主题中回复、编辑、删除)不再紧跟在该消息之后,而是全部排到输入框之后,导致键盘和读屏用户无法判断按钮属于哪条消息。优先排查该渠道是否运行在包含此回归的 dev 构建上。

当通过 Ollama Python 库对 gemma3:4b 使用较长的信息抽取提示词并开启结构化输出(Pydantic 生成 schema)时,模型可能直接返回空 JSON 对象 {},且 done=True、done_reason='stop',不报异常。优先排查提示词长度与结构化输出组合,并配

这条报错通常出现在启动 ComfyUI 并加载 ComfyUI-Impact-Pack 等自定义节点后,前端提示某个扩展仍在导入已废弃的旧版前端 API(/scripts/ui.js、/extensions/core/clipspace.js)。优先排查 Impact Pack 是否为已包含修复的版

这个报错通常发生在 ComfyUI 新版中通过 Load Image 节点右键菜单直接调用 SAM Detector 时。优先排查 Load Image 里填入的图片路径是否丢了子目录,尤其是 Clipspace 图片只写了 png 文件名、没写 clipspace/ 前缀的情况。

在 ComfyUI Impact Pack 的 Detailer 流程中(SAM/SAM3 或遮罩操作)执行 tensor_gaussian_blur_mask 时触发 CUDA out of memory ,且尝试分配约 79 GiB 显存。优先检查 Impact Pack 版本是否落在 PR #

该问题出现在使用 InvokeAI 的图像索引(image index)功能、并多次切换 image_index_model (CLIP Vision 等嵌入模型)的场景中:每个曾经配置过的嵌入模型都会在 databases 目录留下一个约 5 MB 的 cluster_vocab_<model_t

这个报错通常出现在多个 InvokeAI 实例共用同一个 db_dir (例如同一卷上的两个容器,或 NFS 目录被多台主机挂载)并同时构建 cluster vocabulary 缓存时。缓存写入的原子替换使用了以 os.getpid() 命名的暂存文件,PID 在不同容器/主机间并不唯一,可能互相