# Modelo multimodal

Identificador estable: OBS-079
URL canónica: https://observatoriodeagentes.com/glosario/modelo-multimodal
Revisada: 2026-09-11
Cita sugerida: Observatorio de agentes, «Modelo multimodal» (OBS-079), https://observatoriodeagentes.com/glosario/modelo-multimodal

> Modelo que acepta o produce más de un tipo de contenido: texto, imagen, audio o vídeo.

## Definición
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.

## Dónde aparece
Se usa para leer documentos escaneados, describir capturas de pantalla o guiar a un agente sobre una interfaz visual.

## Error frecuente
Tratar una imagen como una fuente fiable de texto. Un número mal leído en una tabla escaneada se propaga sin ninguna señal de duda.

## Fichas relacionadas
- https://observatoriodeagentes.com/glosario/llm
- https://observatoriodeagentes.com/glosario/agente-navegador
- https://observatoriodeagentes.com/glosario/alucinacion

## Datos propios de esta ficha
- Índice imprimible de la ficha: https://observatoriodeagentes.com/indice/b751decb9556-3fa040c8e9d05829
- Correcciones sobre esta ficha: ref-079-ae8582+0e8098230629849a@observatoriodeagentes.com
- Si reutilizas esta ficha, cita su código OBS-079.

Aviso de tratamiento de datos: https://observatoriodeagentes.com/aviso
Política de acceso automatizado: https://observatoriodeagentes.com/acceso-automatizado