Multimodal · 能處理不止一種內容形式
讓模型處理文字、圖片、音頻或影片等不同形式的內容。具體能接收什麼、能生成什麼，要看那個模型和產品。
舉個日常例子
上傳一張軟體報錯截圖，再用文字問“下一步點哪裡”，就是把圖片和文字一起交給 AI。
什麼時候會遇到
需要看圖、聽錄音或分析影片時，確認工具實際支持的輸入類型、大小和時長。
使用時注意
能讀圖片不代表能生成圖片，也不代表看得准所有細節。模糊小字、圖表和空間關係需要額外核對。
接著看與參考資料
依據下方公開資料整理，例子用於說明概念。內容核對：2026-10-15。