Arquitectura
Multimodal
Modelo capaz de procesar y generar varios tipos de datos, como texto e imágenes.
Un modelo multimodal no se limita al texto: entiende también imágenes, audio o vídeo. Eso habilita leer capturas de pantalla, analizar documentos escaneados o interpretar gráficos. En cuanto al precio hay un detalle importante: las imágenes también cuentan como tokens, y una imagen de alta resolución puede suponer miles.
Términos Relacionados
LLM (Modelo de Lenguaje Grande)
Red neuronal entrenada con enormes corpus de texto para generar lenguaje natural.
Token
La unidad básica de texto que los modelos de lenguaje procesan y facturan.
Modelo Fundacional
Modelo preentrenado a gran escala que sirve de base para muchas aplicaciones.
Inferencia
El proceso de ejecutar un modelo entrenado para generar salidas a partir de nuevas entradas.