סוכנים מרובי מודלים צריכים פיקסלים, לא רק טקסט חילוץ טקסט מספק לסוכן AI את התווים של המסמך ומוותר על הפריסה, התרשימים והחותמות. פקודה אחת ממירה את העמוד לתמונה והסוכן מסתכל עליו ישירות.