FINDING #09 · UNIT ID 1333446374
ysr666/dsh-vision-router
Eyes for text-only DeepSeek Harness agents: built-in free vision chain (no key) + pixel-level vision tools (Q&A, grounding, crop, pixel diff, colors, OCR, SVG trace, cutout, screenshots). One-command install, no Python, image turns work like ordinary tool-calling turns.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
29% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
82.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-08-15 · FORK-RETENTION 0.0% · 82 STARS / WINDOW
Author Audience
AUDIENCE
39
FOLLOWERS
10
OWNER ★
285
Engagement Signals
FORKS
16
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 82 / 82 (DIVERSITY 1.00)
Потенциал заработка
D41/100
СПРОС68
Деньги в теме есть: VLM API, Cloud Vision/OCR, browser automation и visual QA имеют публичные usage-based или subscription pricing; но именно DSH-плагин — узкая и очень молодая ниша без подтверждённого TAM.
ЗАХВАТ27
Захват ценности слабый: MIT, простая воспроизводимость идеи, прямой MIT-конкурент Anionex больше по звёздам, а крупные платформы могут добавить native vision/agent tooling.
ДОСТУП70
MIT разрешает коммерческое использование; JavaScript/Node-only и npm-install снижают барьер. Но мешают bus-factor, молодость DSH, зависимость от бесплатного fallback и enterprise privacy/security требования.
«Коммерческий потенциал топит capture: ценность легко скопировать, а DSH-ниша пока узкая.»
Рыночный анализ · Обзор
dsh-vision-router — плагин для DeepSeek Harness, который добавляет “зрение” текстовым агентам через vision-цепочку и пиксельные инструменты.
agent tooling / multimodal bridge / vision tools for coding agents / visual QAЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
ЯЗЫК
JavaScript
ЛИЦЕНЗИЯ
MIT
РЕЕСТР
npm
РЕЛИЗ
v1.4.1
КОНТРИБЬЮТОРЫ
4
УСТАНОВКА: npm install dsh-vision-router
Что делает
Плагин позволяет агенту DeepSeek/DSH работать с изображениями как с обычными tool-calling шагами: описывать картинку, находить объекты, делать crop, OCR, pixel diff, извлекать цвета, SVG и скриншоты. DeepSeek остаётся текстовым “мозгом”, а отдельные vision-бэкенды используются как “глаза”. По README, установка делается одной командой, без Python, с бесплатным anonymous OVH fallback из коробки.
Какую боль решает
Решает боль текстовых DSH-агентов, которые не умеют нативно видеть скриншоты, UI-макеты, ошибки на экране и изображения, особенно в многошаговых agentic coding и visual QA workflows.
Сценарии использования
- Image Q&A в чате DeepSeek Harness: пользователь вставляет картинку, агент отвечает по содержимому.
- UI restoration / screenshot-to-code loop: агент строит интерфейс по референсу, делает скриншот, сравнивает через vision_pixel_diff и исправляет результат.
- Визуальный дебаг фронтенда: поиск отличий кнопок, текста, цветов, отступов и регионов на скриншоте.
- OCR и разбор скриншотов: извлечение текста из изображений, чатов, страниц и длинных скриншотов.
- Grounding для GUI-автоматизации: поиск координат элемента на скриншоте для дальнейших действий агентом.
Целевой пользователь
Ранние пользователи DeepSeek Harness, разработчики agentic coding workflows, фронтенд-разработчики, QA/visual regression инженеры и power users, которым нужен дешёвый текстовый DeepSeek с работой по изображениям.
Open-source аналоги
Самый близкий прямой конкурент: тоже DSH-плагин с image Q&A, OCR, grounding, pixel diff и UI restoration. dsh-vision-router делает упор на paste-and-go и free fallback, Anionex — на более богатые playbooks, headless и agent-driven visual engineering.
Более общий vision toolkit для текстовых coding agents: Codex, Claude Code, Pi, OpenCode, DSH; включает CLI, skills и proxy-интеграции. dsh-vision-router уже, но проще для DSH Web.
Не DSH-плагин, а screen parsing / UI grounding модельный инструмент для GUI agents. Сильнее в visual grounding research, слабее как готовая DSH-интеграция.
Полноценный browser automation agent framework с браузером, LLM и облачной инфраструктурой. Не решает ровно задачу дать DeepSeek Harness зрение, но закрывает коммерческую боль автоматизации браузера.
Фреймворк для управления компьютером multimodal-моделью; ближе к computer-use, чем к vision-tool router.
MCP-сервер для браузерной автоматизации через Playwright; опирается на DOM/accessibility, а не пиксельную vision-цепочку. Может вытеснять часть use cases dsh-vision-router в веб-автоматизации.
MCP visual memory: capture, OCR, diff, similarity, persistent visual context. Ближе к памяти зрения, чем к DSH turn routing.
Универсальный vision MCP для “слепых” coding agents с multi-backend VLM. Очень ранний проект.
Позиционирование
dsh-vision-router — не лидер общего рынка agent vision, но быстрорастущий нишевый DSH-плагин. Внутри DSH он уже заметен, однако прямой конкурент Anionex/dsh-vision-toolkit сейчас сильнее по звёздам и глубине; в более широком мире browser/computer-use tools это узкая DSH-надстройка, а не самостоятельная платформа.
Коммерческие аналоги
Vision reasoning, image understanding, tool-calling agents и computer-use сценарии.
Крупный API-вендор; точные пользователи или выручка по этому продукту в собранных источниках не фиксировались.
gpt-5.6-sol short-context standard$2.50 input / $15 output per 1M tokens
gpt-5.6-terra short-context standard$1 input / $6 output per 1M tokens
gpt-5.6-luna short-context standard$0.10 input / $0.60 output per 1M tokens
gpt-realtime-2.1 image input$5 / 1M tokens
gpt-realtime mini image input$0.80 / 1M tokens
Image web search$10 / 1k calls
Multimodal Claude models для image understanding, coding agents и tool use.
Крупный foundation-model vendor; точные пользователи или выручка по API в источнике не указаны.
Opus 4.8$5 input / $25 output per MTok
Sonnet 5$2 input / $10 output до 31 августа 2026; $3 / $15 с 1 сентября 2026
Haiku 4.5$1 input / $5 output per MTok
Batch50% discount
Multimodal VLM API для text/image/video/audio input, agentic workflows и grounding.
Крупный cloud/API-вендор; точный объём использования в источнике не указан.
Free tier$0
Gemini 3.6 Flash$0.75 input / $3.75 output per 1M tokens до 31 декабря 2026; $1.50 / $7.50 с 1 января 2027
Gemini 3.5 Flash-Lite$0.30 input for text/image/video/audio / $2.50 output per 1M tokens
Классический CV API: OCR, label detection, object localization, web detection и image properties.
Enterprise cloud service; точные пользователи или выручка по Vision API в источнике не указаны.
FreeПервые 1000 units/month free
Text Detection / Document Text Detection / Label Detection$1.50 per 1000 units до 5M, затем примерно $0.60–$1.00 в зависимости от фичи
Object Localization$2.25 / 1000 units
Web Detection$3.50 / 1000 units
Image/video recognition: label detection, moderation, faces и image analysis.
AWS hyperscaler service; точные пользователи по продукту в источнике не указаны.
Free tier1000 images/month для Group 1/2 APIs during free tier period
Image analysis first 1M images$0.0010 per image, то есть $1 per 1000 images
Image analysis next 1.5M example$0.0008 per image
OCR/document text extraction for images/PDF/TIFF; ближе к OCR-части dsh-vision-router.
AWS enterprise service; точные пользователи по продукту не указаны.
Per page billingcharges per page, без upfront/minimum; точная текущая цена по page-tier в собранном фрагменте не подтверждена
Image tagging, OCR/Read, people/object detection, spatial analysis, multimodal embeddings и video retrieval.
Microsoft Azure cloud service; точные пользователи или выручка по продукту не указаны.
Free F05000 free transactions/month
Multimodal text embeddings$0.014 / 1000 transactions
Multimodal image embeddings$0.10 / 1000 transactions
Video retrieval ingestion$0.05 per minute ingestion
Video retrieval queries$0.25 / 1000 queries
Core Image Analysisregion-dependent; в извлечении отображалось как $-, поэтому число не указано
Hosted browser automation for AI agents: remote browsers, stealth, proxies, skills и LLM agent runs.
OSS-проект browser-use имеет 98.8k GitHub stars; pricing page показывает enterprise-style планы.
Pay-as-you-go$0/mo; browser sessions $0.06/hour; proxy $10/GB
Starter$100/mo или $83/mo yearly
Business$500/mo или $400/mo yearly
Scaleup$2500/mo или $2000/mo yearly
Skills execution$0.02/API call
Skill creation$2/skill
LLM cost per stepfrom $0.002
Visual AI platform: document extraction, visual grounding, object detection, model training/inference.
Enterprise CV vendor; точные пользователи или выручка в источнике не указаны.
Agentic APIs Explore pay-as-you-go$1 buys 100 credits; 1000 free credits
Agentic APIs Team$250/month; 25k credits/month
Agentic APIs Enterprisecustom
LandingLens Free$0/month; 1000 credits/month
LandingLens Enterprisecontact sales
CV platform: datasets, labeling, training, deployment и hosted inference.
Крупная developer CV platform; точные пользователи или выручка в найденном фрагменте не подтверждены.
Credit-based billingподтверждено docs
Core planstarts at $79/month billed annually or $99 monthly, по Roboflow blog с оговоркой
Additional prepaid credits$4/credit, по Roboflow blog
Flex overage$6/credit, по Roboflow blog
Visual regression testing, AI visual assertions и UI validation.
Established QA/visual testing vendor; точные пользователи, выручка и публичные цены в найденных источниках не подтверждены.
Pricing planssales/quote; открытый support-фрагмент подтверждает наличие pricing plans, но без публичных чисел
Текущая монетизация проекта
По предоставленному README и собранным результатам нет подтверждения, что ysr666/dsh-vision-router уже монетизируется через open-core, hosted cloud, paid support, GitHub Sponsors или enterprise licensing. README указывает QQ community group и бесплатный anonymous OVH fallback, но не платные планы. Текущая интерпретация: hobby/OSS growth project, а не оформленный бизнес.
Коммерческий потенциал
ПОТЕНЦИАЛ · НИЗКИЙ
На самой библиотеке как npm-пакете заработать сложно; реалистичнее монетизировать managed/enterprise vision-router вокруг DSH: hosted failover, лимиты, логи, billing, privacy, SLA, on-prem и кастомные интеграции. Потенциал сейчас low, с опционом на medium при росте DeepSeek Harness и появлении продуктовой обвязки.
Спрос и рынок
Широкий спрос подтверждён публичными ценами и продуктами: OpenAI/Anthropic/Gemini берут деньги за multimodal tokens; Google/AWS/Azure продают OCR/CV по transaction/page/image model; Browser Use продаёт browser automation от $100/mo до $2500/mo и usage fees; LandingAI продаёт visual/document APIs через credits. Узкий рынок vision plugins for DeepSeek Harness не подтверждён цифрами и выглядит как ранняя developer-tool niche.
Ров / защищённость
Ров слабый. Есть UX-преимущества: paste-and-go внутри DSH, no-Python Node-only pipeline, built-in fallback chain, стабильная tool schema, image memory и интеграция с DSH model groups. Но это не сильный технический ров и легко повторяется, особенно под MIT. Более сильный ров возможен через надёжную routing/failover инфраструктуру, proprietary eval suite, дешёвую модельную маршрутизацию, enterprise deployments и network effect внутри DSH plugin ecosystem.
Модели монетизации
- Managed Vision Router for DSH: облачный endpoint с гарантированным vision failover, лимитами, логами, кэшем, billing, приватностью и SLA.
- Enterprise DSH plugin bundle: on-prem deployment, allowlist хостов, audit logs, zero data retention, SSO и policy controls.
- Visual QA / UI restoration workflow: продукт для frontend/QA — макет → агент кодит → pixel diff → отчёт → PR.
- Paid support / integration services: установка DSH + vision stack + выбор моделей + настройка proxy/credentials для команд.
- Model-routing arbitrage: оптимизация затрат между Gemini/OpenAI/Claude/local VLM для разных vision-задач.
- Marketplace plugin, если у DSH появится plugin marketplace.
- Consulting / implementation как самый реалистичный ранний путь.
Что нужно, чтобы сделать продукт
- Hosted control plane: аккаунты, API keys, usage dashboard и billing.
- Надёжный paid vision backend: бесплатный anonymous fallback хорош для adoption, но плох для SLA.
- Privacy/security story: redaction, local-only mode, audit logs и no-retention guarantees.
- Benchmarks: сравнение качества/стоимости с Anionex, native VLM, Browser Use и Playwright MCP.
- Документация для enterprise: deployment diagrams, threat model, data flow и compliance notes.
- Интеграции вне DSH: MCP, Claude Code, Codex, OpenCode, CI visual regression.
- Moat: proprietary routing heuristics, dataset of failure cases, visual workflow recipes и hosted reliability.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
MIT — коммерчески благоприятно. Можно использовать в коммерческих продуктах, делать закрытые деривативы, SaaS-обвязку, форк и enterprise bundle. Основное требование — сохранить notice/license. Лицензия не является блокером; наоборот, повышает access.
Риски и подводные камни
ВЫСОКИЙМАЛЫЙ РЫНОК
Узкая зависимость от DeepSeek Harness: если DSH не станет массовым, рынок плагина останется маленьким.
ВЫСОКИЙКОНКУРЕНЦИЯ
Коммодитизация и прямые OSS-конкуренты: Anionex/dsh-vision-toolkit уже сильнее по GitHub stars; MCP/browser/computer-use tools закрывают соседние сценарии.
ВЫСОКИЙКОНКУРЕНЦИЯ
Native vision в DSH или DeepSeek может вытеснить плагин: если DeepSeek Harness добавит first-party multimodal routing, ценность резко снизится.
СРЕДНИЙЮР. СЕРАЯ ЗОНА
Бесплатный anonymous OVH fallback имеет rate limits и может быть ненадёжен для бизнеса; возможны 401/429/outage/ToS ограничения.
СРЕДНИЙПРОЧЕЕ
Privacy/security изображений: скриншоты часто содержат секреты, PII и внутренние UI; нужен local/on-prem/ZDR story.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Bus factor и возраст проекта: репозиторию несколько дней, владелец маленький, 4 контрибьютора; для enterprise доверие низкое.
СРЕДНИЙПРОЧЕЕ
Техническая совместимость: Node >=22, sharp, Chrome/system browser и DSH RC ecosystem могут создавать install/support проблемы.
НИЗКИЙЛИЦЕНЗИЯ
MIT разрешает коммерческое использование, форки и закрытые деривативы при сохранении copyright/license notice; это скорее позитивный фактор, чем риск.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-08-16 · ОКНО 1D
Оговорки / что не проверено
- Веб-поиск не выполнялся на этом шаге; все данные структурированы из предоставленного собранного разбора и фактов воронки.
- Звёзды OSS-аналогов, цены коммерческих продуктов и релизные сведения взяты из собранного разбора как готовые факты, без повторной проверки.
- Многие коммерческие цены подтверждены только одним URL-источником в собранном материале, а не двумя независимыми источниками.
- Точные пользователи, выручка и масштаб большинства коммерческих аналогов не подтверждены; масштаб описан качественно.
- Цены OpenAI, Anthropic и Gemini указаны из собранного разбора с будущими версиями/датами; без перепроверки возможны изменения или несоответствия текущей реальности.
- AWS Textract: подтверждена модель per-page без upfront/minimum, но точная цена по page-tier не была подтверждена в собранном фрагменте.
- Azure Core Image Analysis: конкретные цены не указаны, потому что в собранном фрагменте зависели от region selector и отображались как $-.
- Roboflow Core plan и цены кредитов взяты из Roboflow blog, а не основной pricing page, поэтому указаны с оговоркой.
- Applitools: публичные цены не подтверждены, только наличие pricing plans / sales-quote модели.
- Выводы про TAM DSH, силу рва, вероятность native vision в DSH/DeepSeek и коммерческую реализуемость являются аналитической оценкой, а не подтверждёнными рыночными цифрами.
- Наличие или отсутствие монетизации самого автора/проекта оценено по предоставленному README и собранному материалу; GitHub Sponsors/внешние каналы не перепроверялись.
- Сведения про anonymous OVH fallback, лимиты и поведение vision chain взяты из README/собранного материала без независимой проверки работоспособности.
- Оценки earn_score являются экспертной аналитической оценкой на основе предоставленного разбора, а не детерминированной метрикой рынка.
ИСТОЧНИКИ (23)
Why This Is A Finding
ysr666/dsh-vision-router собрал 82 звёзд за окно, тогда как у автора всего 10 подписчиков — эффективная аудитория ≈ 39. Это даёт surprise-индекс 1.04 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 100% OF 4992 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 4992 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE1.380.00+1.38ABOVE 100%
VELOCITY82.009.00+73.00ABOVE 95%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS16402-385ABOVE 8%
SURPRISE1.040.01+1.04ABOVE 100%