El presente artículo tiene como objetivo realizar una revisión del enfoque cognitivorespecto de la comprensión de textos multimodales. Partimos de la premisa de que todos los textos son por naturaleza multimodales, ya que la construcción de significado se elabora por medio de la conjunción de diversos sistemas semióticos. Por esto, centramos nuestra primera mirada a la visión del texto desde la semiótica. Una vez establecido el concepto de texto como entidad multimodal, se realiza un recorrido por los diferentes modelos que abordan el fenómeno de la comprensión y aprendizaje a partir del texto desde esta perspectiva. Concluimos nuestra revisión con una reflexión en relación con los aportes y desafíos que presenta esta visión para futuras investigaciones en el área.