AI

多模态Multimodal AI

你可能会说

能不能让 AI 不光看文字，还能看懂我发的截图？

多模态 AI 能在同一个任务里结合文字、图片、音频或视频等不同形式的信息。例如，把手机结账页的截图和“付款按钮为什么不见了”一起发给 AI，它可以把画面里的布局和文字里的问题放在一起判断。
也常被叫作多模态 AI多模态模型Multimodality
延伸阅读 · 权威出处
GPT-4o 系统卡OpenAI ↗GPT-4o 模型能力OpenAI ↗Claude 视觉能力指南Anthropic ↗