[Feature Request] 更灵活的视觉模型判别

### 🥰 需求描述

当前项目采用固定的关键词、排除关键词的方案进行视觉模型判别（isVisionModel），加上各模型厂商并没有采取一致的命名方案，导致模型视觉判别滞后和频繁修改，如最新的 gemini-exp-1114 也支持视觉能力了，但是当前的视觉判别不能直接适配，急需优化更灵活的视觉模型判别方法

### 🧐 解决方案

可能的解决方案：
1. 允许通过环境变量给指定的模型加上视觉能力，如: VisionModel=model_1,model_2,model_3
2. 允许前端网页配置、后台解析支持视觉能力的模型
3. ...

### 📝 补充信息

_No response_