מולטימודאלי
מודל שמבין או מייצר יותר מסוג מידע אחד — טקסט, תמונות, אודיו, וידאו — במערכת אחת. Gemini יכול להסתכל על תמונה ולתאר אותה; Sora 2 הופך טקסט לווידאו עם סאונד מסונכרן. מולטימודאליות היא הסיבה שתהליכי יצירה מודרניים מרגישים חלקים: אפשר להעלות תמונה, לשאול עליה שאלות, ולהשתמש בתשובה כדי להניע עריכה. דוגמה: הצעות העריכה החכמות ב-VAR2 משתמשות במודל מולטימודאלי (Gemini) שמנתח את התמונה שלכם ומציע עריכות ספציפיות ורלוונטיות במקום גנריות — המודל ממש רואה את מה שהוא מייעץ עליו.