原
原生多模态（Natively Multimodal）
一出生就五感俱全——图片、音频、文字在训练时就是一个模型的“母语”，而不是给文字模型外挂翻译器，实时语音都靠它。…
4 次浏览L
LLM（大语言模型）
ChatGPT、DeepSeek、通义千问背后都是它——把海量文字读透之后训练出来的“超级文字接龙”机器。这条词条讲清大语言模型到底是什么、“大”在哪里、为什么…
3 次浏览A
AI 菜谱助手（冰箱大厨）
冰箱拍了张照，晚饭有了着落——“有鸡蛋番茄半块腊肉”，AI 给出三菜一汤和步骤，边做边答“现在该放盐了吗”。…
9 次浏览C
ChatGPT
让全世界看见 AI 的产品——2022 年底上线两个月破亿用户，“AI 元年”的起点。很多人接触的第一个 AI 就是它，但它只是众多 AI 产品之一。…
26 次浏览A
AI 视障辅助（读屏与描述）
眼睛的“AI 搭子”——拍照描述画面、读屏答问、街景提示，把视觉信息转成有用的语音描述，出行与上网多一层保障。…
32 次浏览O
OCR（光学字符识别）
让机器“认字”——把图片、扫描件里的文字抠出来变成可编辑文本。大模型时代的 OCR 连表格、公式、手写体都能整页还原。…
31 次浏览输
输出解析与容错（JSON 修复）
程序与模型之间的“翻译官”——Schema 校验、JSON 自动修复、回喂自纠与业务兜底四层防线，别赌模型每次都听话。…
28 次浏览多
多模态评测（图文音视频基准）
考完文字考“看图听话”——图表问答、文档理解、视频与语音任务，多模态评测的成套考卷正在成型，判分远比纯文本难。…
44 次浏览A
AI 网关（AI Gateway）
大模型流量的“总闸门”——鉴权限流、路由切换、用量记账一处管齐，多模型混用的团队几乎都会长出这一层。…
44 次浏览智
智谱 GLM
清华系的“技术直男”——智谱 AI 的 GLM 系列，从论文里走出来的国产开源主力之一，开发者与学术社区的熟面孔。…
81 次浏览M
Multimodal（多模态）
能看图、听声、看视频的 AI 就是多模态模型。发截图问报错、拍照片认植物、语音对话，都靠它。这条词条讲清它和纯文字模型的差别，以及“看图”这件事上它还会犯哪些错…
78 次浏览