Genom den tekniska och mediala utvecklingen lever vi idag i ett multimedialt samhälle där det skrivna ordet inte bara är ett bland flera kommunikationsmedier utan också integreras med bild, film, ljud och tal. Läsande och skrivande har alltid varit multimodalt men den digitala teknologin möjliggör än större komplexitet i de multimodala uttrycken. Tidigare forskning har visat att även om elever komponerar multimodala texter så omfattar inte etablerade bedömningspraktiker komplexiteten hos multimodalt textskapande. Bedömningspraktiker signalerar vad som är legitim kunskap och påverkar hur undervisningen utformas. Kunskap om hur lärare uppmärksammar och bedömer multimodal texthantering samt hur praktikutveckling på området kan understödjas får därmed betydelse för utvecklingen av svenskämnets didaktik. I föreliggande studie undersöks när en grupp lågstadielärare erbjuds redskap för att betrakta texter utifrån design och samspel mellan olika semiotiska resurser. Det empiriska materialet består av filmade observationer av lärarnas kollegiala samtal och sambedömningar, samt lärarnas skriftliga reflektioner och bedömningar av multimodala elevtexter. Texterna samlades in före och efter en intervention där lärarna presenterades för begrepp och perspektiv baserade på Eve Bearnes (2009) ramverk för analys och bedömning av multimodal text och textprogression. Genom analyser av hur lärarnas förståelse av kvalitét och progression i multimodal texthantering manifesteras och förhandlas belyser studien de utmaningar lärare och undervisning förväntas hantera och ställs inför vad gäller bedömning av multimodala elevtexter. Resultaten visar hur tillgängliga diskurser och redskap möjliggör och begränsar praktiken vilket väcker frågor om vilken kunskap elever och lärare behöver för multimodal texthantering. Vi diskuterar svenskämnets gränser mot bildämnet och implikationer för lärarutbildning och lärares kompetensutveckling.