Multimodal

Capable de traiter plusieurs types de données, texte, images, audio, vidéo, en entrée ou en sortie. La plupart des modèles de pointe lisent désormais images et documents en plus du texte. Certains, comme Gemini Omni Flash, produisent aussi de la vidéo, et les modèles vocaux gèrent la parole en entrée et en sortie.