能同時處理多種輸入類型的 AI 模型叫什麼？

多模態模型是一種AI系統,設計上能在單一整合系統中處理並理解超過一種類型的輸入,例如文字、圖像、音訊與影片,而不像早期聊天機器人那樣僅限於書面語言。這讓你可以給它看一張照片並就此提問、播放一段音訊片段,或分享一張圖表,並讓它藉由連結這些不同種類的資訊來做出有意義的回應。

開放權重模型(open-weight models)是指內部參數公開釋出、任何人都能下載使用的AI模型,這是關於存取權限與授權的不同概念,而不是模型能處理哪些輸入類型。離線模型單純是指不需要網路連線就能運行,這是另一項與能否處理多種格式無關的特性。

正是這種對多種輸入類型的融合處理能力,讓現代AI助理能夠描述照片中發生的事、總結圖表內容,或回答關於影片的口語提問,而這些能力在幾年前還需要完全獨立、各自專門的系統才能實現。