已过期65% 置信事实精确时间

GPT-4V、Gemini 1.5等多模态模型将AI Agent的感知能力从纯文本扩展至图像、音频、视频及结构化数据

3

来源数

65%

置信度

中期 (~90 天)

时效性

2026/7/17

首次发现

有效期至：2026/10/15(已过期)

来源

AI智能体入门：概念原理与实战案例全解析

相关事实

已验证GPT-4V、Claude 3、Gemini是现代多模态大模型的代表，能够同时处理文本、图像等多种数据类型77% 相似已验证SWE-agent Multimodal的图像查看能力依赖于多模态大模型（如GPT-4o、Claude 3.5等）的视觉理解机制77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/538377

API

curl https://kongchang.com/api/v1/knowledge/claims/538377

MCP

get_claim(id=538377)