Приложите несколько картинок — ассистент теперь понимает, какая из них какая: каждая помечена в ходе, так что «поменяй вторую» работает, а «сделай с каждой» проходит по всем. Изображения, на которые ссылается ответ, появляются там, где о них говорится, а остальные показываются вместе с ответом, а не теряются.