KOSMOS-1

微軟認為若能增加多模輸入能力，將能大幅拓展語言模型用於高價值任務的可能性，因此發展出多模大型語言模型KOSMOS-1，除了能理解文字，也能看懂圖片及影像，可用於更多任務，像是為影片加字幕說明、看圖片回答文字問題、正確蒐集網頁資訊等