用途：把在 Roboflow 之外（笔记本、训练服务器、Colab）训练的模型权重注册到 Roboflow，以便平台转换、托管并提供推理服务。打包需读取磁盘上的检查点，因此上传必须在持有权重的机器上以客户端方式运行。MCP 工具 models_custom_weights_upload_guide（旧服务器名为 models_upload_custom_weights）只是指南，不会打包或上传。
主要能力：支持工作区上传（无需数据集版本）与版本化部署（挂到已有数据集版本）。工作区上传用 workspace.deploy_model(model_type=..., model_path=..., project_ids=[...], model_name=..., filename=...)；版本化用 version.deploy(model_type=..., model_path=..., filename=...)。model_type 必须写真实架构，如 yolov8n、yolov11s、rfdetr-base、rfdetr-seg-medium、yolonas 或受支持的 PaliGemma/Florence-2 类型；RF-DETR 不接受裸 rfdetr。
使用方式：需 Python >= 3.10，安装 pip install "roboflow>=1.3.13"。API 密钥不要粘贴到聊天，也不要扫描配置文件；若环境已有 ROBOFLOW_API_KEY 或项目 .env 已定义则使用，否则用 api_keys_create 生成限定范围的密钥并写入被 .gitignore 的 .env。密钥范围应包含 workspace:read、project:read、model:deploy，版本化部署还需 version:read、version:update。打包前先做预检：Python 版本、所需导入（torch、ultralytics、rfdetr>=1.8.0）、密钥与工作区读取。
各模型族要求：YOLO v8/v10/v11/v12/YOLO26 需 torch 与 ultralytics；旧版 YOLO v5/v7/v9 需 torch 及 model_path 下含 imgsz、batch_size 的 opt.yaml，不支持 yolov6。RF-DETR 需 torch，可选 class_names.txt，原始 PyTorch-Lightning 检查点需 rfdetr>=1.8.0。YOLO-NAS 需 opt.yaml 含 imgsz、batch_size、architecture。PaliGemma/Florence-2 的 model_path 为 Hugging Face 保存目录，无需 torch。
限制：注册模型不易撤销，目标项目、版本与 model_name 必须向用户确认，不可从类别数或文件名推断。尺寸/变体或依赖不匹配时会交互提示是否继续，无头运行会抛 EOFError；不得在用户未明确确认时强行覆盖。上传后转换在服务端进行，通常几分钟，可用 models_list/models_get 或 app.roboflow.com 检查，并跑一次测试推理验证类别与预测。