待验证70% 置信事实精确时间

多模态输入指模型支持文本、语音、图像等多种类型内容的能力

2

来源数

70%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

AI Agent智能体入门：从传统程序到感知决策行动闭环

涉及实体

多模态concept

相关事实

待验证字节跳动的豆包面向国内用户提供多模态AI助手能力，整合文本、图像、语音等交互方式76% 相似待验证该多模态对话系统支持图像内容识别、文字提取（OCR）和图文问答三类图像理解能力72% 相似待验证该插件的创作台支持通过「提示词装配」功能生成新图片，并能总结用户的个人偏好、沉淀专属创作skill70% 相似待验证Prompt API支持多模态输入，通过在会话选项中设置expectedInputs为type: image可处理图片69% 相似待验证多模态视觉Agent通过截图向模型反馈前端页面实际渲染效果，形成截图→分析→修改提示词→重新生成的闭环，是相比纯文本模型的核心优势69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931884

API

curl https://kongchang.com/api/v1/knowledge/claims/931884

MCP

get_claim(id=931884)