VLM
Modelo que maneja tanto imágenes como texto — "ve" una imagen y responde preguntas sobre ella.
Claude Sonnet/Opus, GPT-4V, Gemini, LLaVA, Qwen-VL. Entrenados con pares de imágenes y descripciones. Buenos en OCR, gráficos, comprensión de documentos. El comienzo de que la IA "vea" de verdad.