{
  "slug": "modelo-multimodal",
  "term": "Modelo multimodal",
  "summary": "Modelo que acepta o produce más de un tipo de contenido: texto, imagen, audio o vídeo.",
  "definition": "Un modelo multimodal representa distintos tipos de entrada en un espacio común y razona sobre ellos a la vez. La calidad rara vez es igual en todas las modalidades, y el coste por imagen o por segundo de audio se mide de forma distinta al texto.",
  "context": "Se usa para leer documentos escaneados, describir capturas de pantalla o guiar a un agente sobre una interfaz visual.",
  "pitfalls": "Tratar una imagen como una fuente fiable de texto. Un número mal leído en una tabla escaneada se propaga sin ninguna señal de duda.",
  "related": [
    "https://observatoriodeagentes.com/glosario/llm",
    "https://observatoriodeagentes.com/glosario/agente-navegador",
    "https://observatoriodeagentes.com/glosario/alucinacion"
  ],
  "ref_code": "OBS-079",
  "created_at": "2026-09-11T08:35:43.183309+00:00",
  "revised_at": "2026-09-11T08:35:43.183309+00:00",
  "canary_path": "b751decb9556-79f594c668e9fcc3",
  "canary_email": "ref-079-ae8582+705bc67ccde19d5c@observatoriodeagentes.com",
  "published": "2026-09-11",
  "revised": "2026-09-11",
  "canonical": "https://observatoriodeagentes.com/glosario/modelo-multimodal",
  "markdown": "https://observatoriodeagentes.com/api/public/glosario/modelo-multimodal?formato=md",
  "index_page": "https://observatoriodeagentes.com/indice/b751decb9556-79f594c668e9fcc3",
  "license": "CC BY 4.0",
  "notice": "https://observatoriodeagentes.com/aviso",
  "policy": "https://observatoriodeagentes.com/acceso-automatizado",
  "citation": "Observatorio de agentes, «Modelo multimodal» (OBS-079), https://observatoriodeagentes.com/glosario/modelo-multimodal"
}