Multimodális

Olyan modell, amely többet kezel, mint szöveget — képeket, hangot, PDF-eket, képernyőképeket. Megmutathatsz neki egy fotót egy flipchartról, és megkérdezheted, mit jelent az ábra.

Miért számít: a valódi üzleti információ nagy része nem szöveg (számlák, szkennelt dokumentumok, képernyőképek, hívásfelvételek). A multimodális modellek ezekhez is hozzáférnek.