一个原本上下文只有几百字的模型，这次把窗口拉到了262K。JEV 1.14.0 的更新里，这个数字最扎眼。

官方对此的解释很直接：这模型原本就是多模态的，只是第一个版本时没加上支持。也就是说，图像能力不是后补的，是本来就埋在里面，这次才放出来。

图像能力怎么落地的

新版本增加了对图像数据的处理能力。具体的做法是返回目标位置，也就是 box，用这种方式把视觉和语言接在一起。

落到使用场景上，就是对图表、图像的理解和分析能力变强了。不是笼统地"能看图"，而是能定位到图里的具体位置。

262K 带来的变化

上下文窗口从几百字扩展到 262K 字，跨度相当大。官方提到，每次请求和每个问题的回答都提高到了 262K 的上下文，长了非常多。

这个扩展带来的不只是对话连贯性。按官方的说法，多语言环境下的理解和翻译能力也显著提升，模型因此更适合国际化应用。

把这两件事放在一起看：一边是视觉-语言的融合，一边是上下文的大幅扩容。前者解决"能不能看懂图"，后者解决"能不能记住更长的对话、跨语言接得住"。

官方在描述里把多语言单独拎出来强调了一次，说这是这次更新里最重要的变化之一。对于一个面向国际化场景的模型来说，上下文长度和多语言能力往往是绑在一起被考验的。