De acordo com o Science and Technology Innovation Board Daily citando The Information, a OpenAI está trabalhando ativamente para incorporar recursos multimodais (semelhantes aos que devem ser fornecidos pelo Google Gemini) no GPT-4, com o objetivo de lançar um modelo de linguagem multimodal em grande escala antes do lançamento do Gemini (MLLM), um grande modelo de linguagem de próxima geração com o codinome Gobi, para vencer o Google e permanecer à frente. A OpenAI apresentou uma prévia dos recursos do Gobi quando lançou o GPT-4 em março, mas não estava aberto a outras empresas, exceto uma empresa chamada “Be My Eyes”. Este último desenvolve principalmente aplicações móveis para pessoas com deficiência visual ou cegueira.