Architecture
Multimodal
Modèle capable de traiter et de générer plusieurs types de données, comme du texte et des images.
Un modèle multimodal ne se limite pas au texte : il comprend aussi les images, l'audio ou la vidéo. Cela permet de lire des captures d'écran, d'analyser des documents numérisés ou d'interpréter des graphiques. Un point important côté tarif : les images comptent aussi comme des tokens, et une image haute résolution peut en représenter des milliers.
Termes Associés
LLM (Grand Modèle de Langage)
Réseau de neurones entraîné sur d'immenses corpus de texte pour générer du langage naturel.
Token (Jeton)
L'unité de base du texte que les modèles de langage traitent et facturent.
Modèle de Fondation
Grand modèle pré-entraîné servant de base à de nombreuses applications.
Inférence
Le fait d'exécuter un modèle entraîné pour produire des sorties à partir de nouvelles entrées.