الانتقال إلى المحتوى الرئيسي

ابحث في النماذج والأدوات والخدمات والشركات والمزودين وواجهات API والخطط والمقالات والأخبار.

البنية والنماذج

متعدد الوسائط

Multimodal

متعدد الوسائط

نموذج يفهم أو يولّد الصور والصوت والفيديو إلى جانب النص — مثل Gemini الذي يرى مخططًا ويشرحه.

النموذج متعدد الوسائط نموذج يأخذ المدخلات ويجمعها عبر حواس عدة كما يفعل الإنسان: نص وصور وصوت ولقطات شاشة ومخططات — وفي الأجيال الأحدث الفيديو. نقطة التحول العملية في 2024–2026 كانت حين صار «أرسل صورة واسأل عنها» سلوكًا افتراضيًا.

خلف الكواليس: كل وسيط يُخرَج إلى فضاء تمثيل مشترك (تضمينات) حيث يستدلال النموذج وينتج — ولهذا يقرأ المخطط إلى كود ويحوّل لقطة الشاشة إلى قائمة مهام.

قيمة ذلك للمستخدم: حذف خطوة «حوّل ثم انسخ والصق»؛ فصور الفواتير ولقطات أخطاء الطرفية ولقطات السبورة صارت مدخلًا مباشرًا.

العودة إلى المسرد