Các tác nhân đa mô hình cần pixel, không chỉ văn bản Việc trích xuất văn bản chỉ cung cấp cho tác nhân AI các ký tự của tài liệu và bỏ qua bố cục, biểu đồ và dấu. Một lời nhắc duy nhất chuyển trang thành hình ảnh và tác nhân xem trực tiếp.
