مدل‌های هوش مصنوعی جدید دیگر فقط با متن کار نمی‌کنند؛ آن‌ها تصاویر، صدا و ویدیو را درک کرده و دنیایی از امکانات جدید را پیش روی ما قرار می‌دهند.