Multimodal Coding Dataset（MCD）是由微软研究院、北京大学和南方科技大学提出并于 2025 年发布的一个大规模数据集，相关论文成果为「VisCodex: Unified Multimodal Code Generation via Merging Vision and Coding Models」。

该数据集包含总计约 59.8 万条/对高质量样本，以指令跟随格式组织，覆盖多种输入模态（文本、图像、代码）与输出模态（代码、答案、解释），适用于多模态代码理解与生成任务。

数据包含：

• 增强型 HTML 代码（HTML）：约 20 万对代码-截图对，注重视觉效果与结构优化。
• 图表（Chart）：约 21 万图像-代码对，用于图像到代码复现。
• 问答（QA）：约 5.9 万代码-问答对，问题与答案以代码为核心。
• 算法（Algorithm）：约 12.9 万条算法编码问题与指令跟随样本。