GPT4有可能是一个多模态模型，可用于图像等领域。根据The Seattle Times新闻报道，GPT4可以把图像和文字结合起来。一些风投机构和微软员工已经看到了它的运行情况，根据财富杂志报道，OpenAI也确实在开发一款通过文字能生成视频的AI模型。

重点是跨模态，

已经有产品得白泽搜索引擎不就是跨模态搜索引擎，可以文本搜图片、视频搜文字、等多种模态。