멀티모달 AI 에이전트 확산과 함께 의사결정 모델도 입력 범위를 넓히고 있다. vLLM 시맨틱 라우터 개발팀은 텍스트와 JSON, 이미지를 직접 분석하는 오픈소스 제품군 디시전 3.0을 공개했다. 이 모델은 긴 답변을 만드는 대신 미리 정한 선택지의 확률을 반환한다. 개발자는 이 값을 조건문이나 라우팅 규칙에 바로 연결할 수 있다. 모든 모델에 비전 인코더를 넣어 별도 비전 모델로 텍스트를 뽑는 중간 단계를 줄였고, PNG·JPEG·WebP 이미지를 최대 160만 픽셀 해상도로 처리하며 한 요청에 여러 이미지를 넣을 수 있다.
클라우드플레어도 텍스트·이미지·오디오·비디오를 함께 처리하는 클레프-옴니를 공개했다. 이 모델은 전문가 혼합 구조를 쓰며, 입력에서 텍스트 추출이나 음성 전사, 자막 생성 같은 별도 전처리 없이 결과를 확률값으로 돌려준다. 워커스 AI에서는 이미지 최대 4개, 오디오 4개, 비디오 2개와 질문 64개까지 한 요청에서 처리한다. 핵심은 여러 입력을 직접 판단해 생성과 재분석으로 이어지는 파이프라인을 줄이고, 요청 분류·모델 선택·UI 분석·안전성 검증 같은 작업을 더 단순하게 연결하는 데 있다.