AI model koji razume i obrađuje više vrsta podataka, na primer tekst i slike zajedno.
Multimodalni model može da prima i kombinuje različite tipove ulaza, najčešće tekst i slike, a neki i zvuk ili dokumente. To mu omogućava da, na primer, opiše sliku, pročita grafikon ili analizira snimak ekrana.
Vodeći modeli, uključujući Claude, danas su multimodalni, što proširuje opseg zadataka koje agenti mogu da obave.