优化模型实例创建逻辑，简化API密钥选择，更新阿里巴巴模型的最大Token设置，支持新的Qwen-VL模型，调整思考过程的处理逻辑，增强用户界面设置的动态效果。

models/alibaba.py

@@ -4,15 +4,54 @@ from openai import OpenAI
 from .base import BaseModel
 
 class AlibabaModel(BaseModel):
+    def __init__(self, api_key: str, temperature: float = 0.7, system_prompt: str = None, language: str = None, model_name: str = None):
+        self.model_name = model_name or "QVQ-Max-2025-03-25"  # 默认使用QVQ-Max模型
+        # 在super().__init__之前设置model_name，这样get_default_system_prompt能使用它
+        super().__init__(api_key, temperature, system_prompt, language)
+    
     def get_default_system_prompt(self) -> str:
-        return """你是一位专业的问题分析与解答助手。当看到一个问题图片时，请：
-1. 仔细阅读并理解问题
-2. 分析问题的关键组成部分
-3. 提供清晰的、逐步的解决方案
-4. 如果相关，解释涉及的概念或理论
-5. 如果有多种解决方法，先解释最高效的方法"""
+        """根据模型名称返回不同的默认系统提示词"""
+        # 检查是否是通义千问VL模型
+        if self.model_name and "qwen-vl" in self.model_name:
+            return """你是通义千问VL视觉语言助手，擅长图像理解、文字识别、内容分析和创作。请根据用户提供的图像：
+                1. 仔细阅读并理解问题
+                2. 分析问题的关键组成部分
+                3. 提供清晰的、逐步的解决方案
+                4. 如果相关，解释涉及的概念或理论
+                5. 如果有多种解决方法，先解释最高效的方法"""
+        else:
+            # QVQ模型使用原先的提示词
+            return """你是一位专业的问题分析与解答助手。当看到一个问题图片时，请：
+                1. 仔细阅读并理解问题
+                2. 分析问题的关键组成部分
+                3. 提供清晰的、逐步的解决方案
+                4. 如果相关，解释涉及的概念或理论
+                5. 如果有多种解决方法，先解释最高效的方法"""
 
     def get_model_identifier(self) -> str:
+        """根据模型名称返回对应的模型标识符"""
+        # 直接映射模型ID到DashScope API使用的标识符
+        model_mapping = {
+            "QVQ-Max-2025-03-25": "qvq-max",
+            "qwen-vl-max-latest": "qwen-vl-max",  # 修正为正确的API标识符
+        }
+        
+        # 从模型映射表中获取模型标识符，如果不存在则使用默认值
+        model_id = model_mapping.get(self.model_name)
+        if model_id:
+            return model_id
+            
+        # 如果没有精确匹配，检查是否包含特定前缀
+        if self.model_name and "qwen-vl" in self.model_name:
+            if "max" in self.model_name:
+                return "qwen-vl-max"
+            elif "plus" in self.model_name:
+                return "qwen-vl-plus"
+            elif "lite" in self.model_name:
+                return "qwen-vl-lite"
+            return "qwen-vl-max"  # 默认使用最强版本
+            
+        # 最后的默认值
         return "qvq-max"
 
     def analyze_text(self, text: str, proxies: dict = None) -> Generator[dict, None, None]:
@@ -59,7 +98,7 @@ class AlibabaModel(BaseModel):
                     messages=messages,
                     temperature=self.temperature,
                     stream=True,
-                    max_tokens=self.max_tokens if hasattr(self, 'max_tokens') and self.max_tokens else 4000
+                    max_tokens=self._get_max_tokens()
                 )
 
                 # 记录思考过程和回答
@@ -67,14 +106,17 @@ class AlibabaModel(BaseModel):
                 answer_content = ""
                 is_answering = False
                 
+                # 检查是否为通义千问VL模型（不支持reasoning_content）
+                is_qwen_vl = "qwen-vl" in self.get_model_identifier()
+                
                 for chunk in response:
                     if not chunk.choices:
                         continue
                         
                     delta = chunk.choices[0].delta
                     
-                    # 处理思考过程
-                    if hasattr(delta, 'reasoning_content') and delta.reasoning_content is not None:
+                    # 处理思考过程（仅适用于QVQ模型）
+                    if not is_qwen_vl and hasattr(delta, 'reasoning_content') and delta.reasoning_content is not None:
                         reasoning_content += delta.reasoning_content
                         # 思考过程作为一个独立的内容发送
                         yield {
@@ -84,7 +126,7 @@ class AlibabaModel(BaseModel):
                         }
                     elif delta.content != "":
                         # 判断是否开始回答（从思考过程切换到回答）
-                        if not is_answering:
+                        if not is_answering and not is_qwen_vl:
                             is_answering = True
                             # 发送完整的思考过程
                             if reasoning_content:
@@ -126,7 +168,7 @@ class AlibabaModel(BaseModel):
             }
 
     def analyze_image(self, image_data: str, proxies: dict = None) -> Generator[dict, None, None]:
-        """Stream QVQ-Max's response for image analysis"""
+        """Stream model's response for image analysis"""
         try:
             # Initial status
             yield {"status": "started", "content": ""}
@@ -186,7 +228,7 @@ class AlibabaModel(BaseModel):
                     messages=messages,
                     temperature=self.temperature,
                     stream=True,
-                    max_tokens=self.max_tokens if hasattr(self, 'max_tokens') and self.max_tokens else 4000
+                    max_tokens=self._get_max_tokens()
                 )
 
                 # 记录思考过程和回答
@@ -194,14 +236,17 @@ class AlibabaModel(BaseModel):
                 answer_content = ""
                 is_answering = False
                 
+                # 检查是否为通义千问VL模型（不支持reasoning_content）
+                is_qwen_vl = "qwen-vl" in self.get_model_identifier()
+                
                 for chunk in response:
                     if not chunk.choices:
                         continue
                         
                     delta = chunk.choices[0].delta
                     
-                    # 处理思考过程
-                    if hasattr(delta, 'reasoning_content') and delta.reasoning_content is not None:
+                    # 处理思考过程（仅适用于QVQ模型）
+                    if not is_qwen_vl and hasattr(delta, 'reasoning_content') and delta.reasoning_content is not None:
                         reasoning_content += delta.reasoning_content
                         # 思考过程作为一个独立的内容发送
                         yield {
@@ -211,7 +256,7 @@ class AlibabaModel(BaseModel):
                         }
                     elif delta.content != "":
                         # 判断是否开始回答（从思考过程切换到回答）
-                        if not is_answering:
+                        if not is_answering and not is_qwen_vl:
                             is_answering = True
                             # 发送完整的思考过程
                             if reasoning_content:
@@ -250,4 +295,12 @@ class AlibabaModel(BaseModel):
             yield {
                 "status": "error",
                 "error": str(e)
-            } 
+            } 
+
+    def _get_max_tokens(self) -> int:
+        """根据模型类型返回合适的max_tokens值"""
+        # 检查是否为通义千问VL模型
+        if "qwen-vl" in self.get_model_identifier():
+            return 2000  # 通义千问VL模型最大支持2048，留一些余量
+        # QVQ模型或其他模型
+        return self.max_tokens if hasattr(self, 'max_tokens') and self.max_tokens else 4000 

models/factory.py

@@ -126,8 +126,8 @@ class ModelFactory:
                 temperature=temperature,
                 system_prompt=system_prompt
             )
-        # 对于DeepSeek模型，传递model_name参数
-        elif "deepseek" in model_name.lower():
+        else:
+            # 对于所有其他模型，传递model_name参数
             return model_class(
                 api_key=api_key,
                 temperature=temperature,
@@ -135,14 +135,6 @@ class ModelFactory:
                 language=language,
                 model_name=model_name
             )
-        else:
-            # 对于其他模型，传递所有参数
-            return model_class(
-                api_key=api_key,
-                temperature=temperature,
-                system_prompt=system_prompt,
-                language=language
-            )
 
     @classmethod
     def get_available_models(cls) -> list[Dict[str, Any]]: