商品详情页的动图是 animated WebP，直接传给多模态接口，模型只描述了第一帧，后面几帧的动作完全没提，文件大小 2.4MB。
一开始怀疑是「部分模型不支持 WebP 直接输入」，查了一圈，方向不对。
真正麻烦的地方在于，几个原因的现象几乎一样。多模态接口按静态图解码 只取首帧。另一种情况是WebP 动图没有转成多张静图。
不容易想到的是，帧间隔信息在转换时丢失。
动手时先确认文件是不是动图
python -c "from PIL import Image;im=Image.open('a.webp');print(im.is_animated,im.n_frames)"接着拆成多张 PNG 再逐张传入
python split_webp.py --in a.webp --out frames/ --format png然后把关键帧拼成一张对比图
python montage.py --dir frames --out grid.jpg --cols 3等前面都确认过，再用多图请求复测描述完整性
python describe.py --images f0.png f5.png f10.png那几天正好在做别的变更，先把时间线对齐才敢动手。
恢复的判定其实很直接。模型描述里包含后续帧的动作，多图请求返回 200，单张体积都低于接口限制。
容易忽略的是，动图拆帧数量要控制，帧太多会推高 token 与延迟，选首帧、中间帧、尾帧通常够用。报错文案容易误导，真正的原因往往在相邻那一层的日志里。