Multimodální model
anglicky multimodal model
Multimodální model je jazykový model, který kromě textu zpracovává i jiné typy vstupů, třeba fotky, snímky obrazovky, grafy nebo PDF. Claude tak přečte fotku dodacího listu stejně jako smlouvu v PDF.
Proč to manažera zajímá
Většina firemních podkladů není čistý text: naskenované faktury, fotky regálů, grafy z reportů, prezentace uložené do PDF. Multimodální model je zpracuje bez přepisování, takže z nich rovnou dostanete čísla, tabulku nebo shrnutí. Obrázek je ale pro model jiný druh vstupu s vlastními slabinami a výsledek je potřeba kontrolovat.
Jak to vypadá v praxi
Podle dokumentace Anthropic k říjnu 2026 Claude čte obrázky ve formátech JPEG, PNG, GIF a WebP a v PDF rozumí textu, obrázkům, grafům i tabulkám. Obrázek do chatu nahrajete stejně jako jiný soubor. Účetní velkoobchodu vyfotí deset dodacích listů a nechá Claude vypsat do tabulky číslo dokladu, položky a množství. Pak namátkou porovná tři řádky s originálem. Víc o přílohách v pojmu práce se soubory.
Na co si dát pozor
- U rozmazaných, otočených nebo velmi malých obrázků se Claude podle dokumentace může splést nebo halucinovat. Počty předmětů na fotce jsou jen přibližné.
- Claude obrázkům rozumí, ale sám je negeneruje ani neupravuje.
- Obrázky a PDF spotřebovávají tokeny stejně jako text.
Související pojmy
- Práce se soubory
Práce se soubory je schopnost AI přečíst dokument, tabulku nebo obrázek, který jí dáte, a pracovat s jeho obsahem: vytáhnout údaje, shrnout, porovnat nebo převést do jiného formátu. V Claude jde například o PDF, tabulky Excelu, dokumenty Wordu nebo fotky.
- Extrakce dat z dokumentů
Extrakce dat z dokumentů je vytažení konkrétních údajů z faktur, smluv, nabídek nebo PDF (položky, částky, termíny) do tabulky se stejnými sloupci pro každý dokument.
- Velký jazykový model
Velký jazykový model (LLM) je model natrénovaný na obrovském množství textu, který předpovídá další slova, a díky tomu rozumí zadání a píše odpovědi. Je motorem pod Claude i dalšími AI asistenty.
- Halucinace
Halucinace je sebejistě podaná, ale nepravdivá nebo vymyšlená informace v odpovědi AI, třeba neexistující zdroj, špatné číslo nebo smyšlený paragraf. Omezují ji zdroje v zadání, vyhledávání a kontrola výstupu.
- Token
Token je základní jednotka textu, se kterou jazykový model pracuje, třeba celé slovo, jeho část nebo jednotlivý znak. V tokenech se měří délka kontextu, spotřeba limitů i cena v API.
Kde to učíme
V kurzu Masterclass: Claude pro byznys na to navazuje modul 1: Claude jako pracovní kolega. Na reálných úlohách z vaší firmy, česky a bez technického zázemí.
Prohlédnout moduly kurzu