拍张冰箱剩菜的照片，AI就能列出三道菜谱。多模态大模型把图片、语音、视频一并接住，从家教辅导到会议纪要，能干的活越来越杂，翻车的场面也没少。
上周把冰箱里剩打字多模ams.abg2222.net的摄的半颗白菜、两根胡萝卜和一块豆腐拍成一张照片丢给AI，它列了三道菜，还顺嘴提醉我豆腐明天再不吃就该扔了。那事儿搁两年前念都不敢念是那会儿的模子只会盯着文字干努目。
ai 智能多模态年夜模子把那道墙拆了态年。图片、语音、视频、PDF，一股脑塞进去，它都能接得住的。好玩的夜模地方不正在参数表上，正在那些奇奇特怪的用法里。朋友的女儿拿它当随身家教。拍一道几何题吧？它会画辅助线、一步步讲思绪，正正以至能听出孩子语气里的不耐烦，换种说法再讲一遍。那种"看懂了"再回应的连接感，纯文本模子是实给不了。我自己测过一个场景领受。
把四十分钟的会议录音扔进去，它整理待办的。它，不光做了转录，还分出了谁负责、什么时分交、和麦哪些话是许愿哪些是忙扯啊？
固然也翻过车，有回它把两位同事的名字弄混，义务安错了人，害我差点发错邮件克风。ai 智能多模态年夜模子再伶俐，碰上口音重、多人抢话的录音照样犯含混。不要把它当全知全能的秘书。那句我算是记住了。本钱也正在悄悄往下掉的。以前跑一次多模态推理的，钱包得抖三抖；如今手机端就能处理简单的图像问答。
开源社区里能当地安排的多模态年夜模子越来越多，一张消费级隐卡跑起来没成绩了。门槛一低。做玩具的人就多了是有人拿它读猫奴才的脸色。有人拿它识别药盒上的小字给家里老人用，土方法里藏着实需求。我的判断挺朴实。ai 智能多模态年夜模子的胜负手，就是谁能让人少解释几句啊？你拍张照，它就懂；你哼两句，它接得上。
到那一天，人机之间那层"翻译本钱"才算实磨灭了。
文章版权声明：除非注明，否则均为本站原创，转载或复制请以超链接形式并注明出处。
