以下内容也是通过AI大模型输出的内容，不一定完全正确。
1.1 LLM （Large Language Model）：它是一种基于海量文本数据训练的人工智能模型，核心能力是理解和生成人类语言。其工作原理是通过深层神经网络（如 Transformer 架构）学习语言中的语法、语义、逻辑关系乃至复杂的知识，从而能够完成文本生成、翻译、问答、摘要、情感分析等多种自然语言处理任务。
1.2 MLLM（Multimodal Large Language Model）: 它是在传统大语言模型（LLM）的基础上发展而来的进阶形态，核心特点是能够同时处理和理解不同类型的模态数据，包括文本、图像、音频、视频等，并实现跨模态的信息融合和生成。
1.3 B：模型参数单位，在衡量大语言模型尺寸时，“B” 是 “Billion”（十亿）的缩写，代表模型的参数数量单位。例如一个 “7B” 模型，指的是该模型包含 70 亿个参数。
1.4 GPT（Generative Pre-trained Transformer）生成式预训练 Transformer 解码器架构，通过预测文本序列的下一个 Token 实现生成任务。
以 “GPT” 开头的模型，是基础的对话模型，如 GPT-3.5、GPT-4 等。以 “o” 开头的模型，是推理模型，如 o1、o3 等。以 “o” 结尾的模型，是多模态模型，可处理文本、图像等信息，如 GPT-4o。模型名称后面加上 mini、nano、pro 等，代表不同参数大小，如 GPT-4.1 mini、GPT-4.1 nano。还可能加上 low/medium/high，代表思考的努力程度。
OpenAI于2018年发布了GPT-1模型，这是基于生成式预训练（Generative Pre-Training）的Transformer架构，采用了仅有解码器的Transformer模型，专注于预测下一个词元。
OpenAI于2019年2月发布了GPT-2模型，继承了GPT-1的架构，并将参数规模扩大到15亿，使用大规模网页数据集WebText进行预训练。
- 简介
- OpenAI 于 2020 年发布的第三代生成式预训练语言模型，属于基于 Transformer 架构的自回归语言模型。
- 其核心设计理念是通过海量文本数据的无监督预训练，学习语言的统计规律和语义关系，从而具备通用的自然语言处理能力。
- GPT-3首次提出了“上下文学习”概念，允许大语言模型通过少样本学习解决各种任务，消除了对新任务进行微调的需求。
- 是大语言模型发展史上的里程碑，其技术突破与局限性共同推动了行业对 AI 伦理、可解释性和可持续性的深入思考。
- 优势
参数量与泛化能力的突破1750亿参数规模，在 2020 年成为全球最大的语言模型，显著提升语义理解和复杂推理能力。例如，在少样本学习中，仅需提供几个示例即可完成代码生成、创意写作等任务。无需标注数据即可处理新任务。例如，输入 “解释量子力学的基本概念”，GPT-3 可直接生成结构化回答，准确率较前代模型提升 40% 以上多领域适应性与生成多样性覆盖文本生成、问答、翻译、代码补全等 80 + 任务。例如，在医疗场景中，可根据症状描述生成鉴别诊断建议。支持小说、诗歌、剧本等体裁的创作。其生成的新闻文章甚至能通过人类评估者的真假判别测试。上下文理解与长文本处理支持处理约 1500 字的长文本，能捕捉复杂的语义依赖关系。例如，在分析法律条款时，可关联前后文条款进行逻辑推理。动态调整注意力范围，优先关注关键信息（如技术文档中的术语定义），减少冗余计算。少样本学习的标杆性通过自然语言指令（如 “请用简洁的语言总结以下内容”）即可引导模型完成任务。例如，在数学推理中，添加 “让我们一步一步地思考” 提示词，可使零样本准确率从 17% 提升至 70% 以上
- 不足
- 生成内容的可靠性问题
- 计算资源与部署成本
- 可解释性与可控性缺失
- 数据偏见与社会影响
实时信息与动态适应不足训练数据截止到 2021 年，无法处理 2022 年后的新事件（如俄乌冲突、新科技突破）。
2022 年 1 月发布，基于 GPT-3，开创性地使用基于人类反馈的强化学习（RLHF）进行对齐，让模型输出更符合人类意图。
基于 GPT-3.5 系列模型优化的 ChatGPT 于 2022 年 11 月发布，是 InstructGPT 的迭代版本，通过易用的对话式 Web 界面，将 AI 能力普及给全球用户。
- 简介
- 2023 年 3 月发布，为
大规模多模态模型，可接受文本和图像输入并输出文本，深度推理和解决复杂问题的能力远超前代。
- 优势：
多模态交互能力GPT-4 支持文本与图像的混合输入，例如能解析包含图表、截图的文档，并生成自然语言或代码回应。在视觉基准测试中，其 VQAv2 任务准确率达 77.2%（0 样本），远超同类模型如 Flamingo（67.6%）。例如，用户上传一张 VGA 充电器图片，它能逐帧分析其中的幽默元素（如过时接口与现代设备的反差）。复杂逻辑推理和专业能力在模拟律师资格考试中，GPT-4 的成绩位列前 10%，而前代 GPT-3.5 仅处于后 10%。它还能处理数学证明、代码调试等任务，例如在 SWE-bench Verified 编程测试中得分 80.2%，被企业用于全栈项目开发。上下文理解与生成质量模型参数规模达 1.8 万亿，训练数据涵盖 13 万亿 token，能捕捉语言中的细微语义关联。例如，在学术问答中，它能基于上下文延伸知识范畴，用类比等手法解释复杂概念（如医学常识），而 GPT-3.5 可能出现 “瞎编” 现象。任务泛化与适应能力通过迁移学习，GPT-4 可快速适配新领域。例如，在少样本提示下，它能生成符合特定格式的教学内容（如中英文对比翻译、题型设计），且结构清晰、逻辑连贯
- 不足
生成内容的可靠性存疑尽管准确率提升，GPT-4 仍可能编造信息。例如，在处理包含 27 个否定符号的逻辑命题时，它误判否定次数，并错误简化表达式计算资源与成本高昂训练需 2.15×10²⁵ 次浮点运算，使用约 2.5 万块 A100 GPU，耗时 3-4 个月，成本超过 6300 万美元。推理时，单次前向传播需 560 TFLOPs 计算量，导致响应延迟较高，且企业部署成本巨大数据偏见与隐私风险训练数据包含互联网文本，可能反映性别、种族等刻板印象。在上下文学习中，模型可能泄露训练数据中的敏感信息（如 Enron 邮件地址），或对话历史中的私人内容实时性与动态适应局限GPT-4 依赖离线训练，无法直接处理实时数据（如 2025 年的最新事件）。例如，在旅行行程生成中，它可能忽略景点间的实际距离和交通时间，导致方案缺乏可行性。推理能力的边界争议部分研究指出，GPT-4 的推理本质是 “模式匹配”，而非真正的逻辑推导。例如，在处理包含 27 个否定符号的命题时，它无法正确计数，仅通过表面规律简化问题。其数学推理准确率（如算术运算）仍低于人类水平，需依赖第三方工具弥补。
- 模型类型：MLLM
- 厂商：微软基于 OpenAI 的 GPT-4、GPT-4o 等大语言模型（LLM），并结合微软自研的语义理解和多模态技术microsoft。
- 优势：
深度集成生态与 Office 套件、Windows 系统、Teams 等微软产品无缝结合，可直接在 Word 中生成报告、在 Excel 中自动化数据分析，或在 PPT 中调用 GPT-4o 生成图片和视频。上下文理解能力通过分析用户历史对话、文档内容和企业数据，提供个性化建议。例如，365 Copilot 可根据会议记录自动生成待办事项多模态交互支持文本、图像、表格等混合输入，例如直接上传设计图生成前端代码，或通过语音指令执行任务- ``
- 不足
- ``
- ``
- 模型类型：MLLM
- 描述：GitHub 与 OpenAI 合作开发，核心技术基于 OpenAI 的 Codex 模型（GPT-3 的代码优化版本），并支持 Claude 3.5 Sonnet、GPT-4o 等大型语言模型。目前看github网站，已经支持 GPT-4.1 和 GPT-4.o
- 优势：
代码生成效率在 VS Code、JetBrains 等 IDE 中提供实时代码补全，平均减少 40% 的编码时间。例如，输入注释 “# 生成快速排序算法” 后，可自动生成完整代码。多语言支持覆盖 Python、Java、C# 等数十种编程语言，甚至支持 Markdown 文档生成和测试用例生成。上下文感知分析项目结构、变量定义和依赖关系，生成符合项目风格的代码。例如，在 React 项目中自动补全组件生命周期方法
- 不足
代码质量参差不齐生成的代码可能存在逻辑错误、安全漏洞或冗余。例如，生成的 SQL 查询可能未使用参数化查询，导致 SQL 注入风险依赖联网环境核心模型运行在云端，离线状态下无法使用，且部分企业因数据合规要求无法接入复杂任务成功率有限尽管 2025 年推出 “Agent Mode” 支持多步骤代码生成（如自动提交 PR），但在硬难度问题上成功率仍不足 50%
- 模型类型：MLLM
- 厂商：Microsoft
- 优势：
- ``
- ``
- ``
- ``
- 不足
- ``
- ``
- 模型类型：MLLM
- 厂商：是苹果公司推出的多模态大语言模型（MLLM），专门针对移动用户界面（UI）屏幕的理解进行了优化，具备引用、定位和推理能力。
- 优势：
智能理解用户意图不同于传统基于坐标点击的操作方式，Ferret-UI 能够根据用户的自然语言指令，自动定位并执行相应操作。跨平台适配Ferret-UI2 可在 iPhone、iPad、安卓设备、网页浏览器和 Apple TV 等多个平台上准确识别 UI 元素。在 iPhone 端运行流畅，iPad 端准确率达 68%，安卓设备上的成功率达到 71%。高分辨率自适应可以适应不同分辨率的屏幕，能精准识别屏幕上的按钮、图标和文本等元素，在高清大屏或手机小屏上都能保持较好的 UI 识别效果。性能表现优异在 UI 元素识别方面表现出色，测试得分达 89.73，大幅领先 GPT-4V 的 77.73 分，在初级 UI 任务中超越了 GPT-4V，在包含高级任务的全任务平均得分与 GPT-4V 非常相近。
- 不足
- ``
- ``