文章介绍了20个大模型本体概念帮助产品经理在AI产品决策时不再依赖模糊判断而是基于精准认知。内容涵盖了模型分类、开源与闭源模型、本地与云端部署、基础模型与对话模型、推理模型、Token、上下文窗口、幻觉、温度参数、系统提示词、思维链、少样本提示、零样本提示、预训练、监督微调、基于人类反馈的强化学习、量化、参数量、基准评测、涌现能力等关键知识点。文章强调了大模型知识的核心价值在于帮助产品经理在选型、功能设计、成本估算等决策环节不再依赖他人翻译而是基于自身理解做出明智决策。1、模型的分类产品经理在规划AI功能时直觉反应往往是调个大模型API就完事了。但实际到了技术评审你会发现处理文字、图片、语音、视频需要的是完全不同的模型。大模型处理的信息类型被称为 模态。不同模态对应不同类型的模型这是产品选型的起点。LLM也叫纯文本语言模型只处理文本输入和文本输出。GPT-5.4对话、Claude问答均属此类。绝大多数产品中调用的API是LLM。多模态模型 同时处理文本和图片部分支持视频和音频。GPT-5.4、Gemini 3.1、Claude 4.6 Sonnet是多模态模型。产品中需要识别图片内容、分析截图或处理文档扫描件必须调用多模态模型纯文本LLM无法接收图片输入。文生图模型 接受文本输入输出图片。Stable Diffusion、DALL-E 3、Midjourney属此类。这是与LLM完全独立的模型类型底层架构不同不能混用API。语音模型 分三类。TTS是文字转语音ASR是语音转文字S2S是端到端语音对话。产品中的语音交互功能通常需要单独集成这类模型LLM本身不处理音频。视频生成模型 接受文字或图片输入生成视频。Sora、可灵、即梦属此类。当前生成延迟高、帧率和分辨率有限制商业化产品中使用场景集中在内容创作方向。一个需要同时处理文字、图片、语音的产品意味着至少三套模型接入方案。三套接入复杂度和三套计费逻辑规划阶段如果没有识别出来工期预估一定出错。2、开源闭源模型做选型评估时第一个要回答的问题是数据能不能出公司。这个问题的答案直接决定你走闭源还是开源路线。闭源模型 的权重不对外公开通过API访问按调用量计费。GPT-4系列、Claude 3系列、Gemini Ultra属此类。数据经API传输会经过第三方服务器处理。适合快速上线的场景无需自行维护模型基础设施。开源模型 的权重公开发布可下载到本地服务器运行。Llama 3、Qwen 2.5、DeepSeek-V2属此类。数据不离开自有基础设施满足数据不出境的合规要求。需要团队自行维护GPU算力运维成本由自己承担。两者的核心差异不是模型能力是 数据控制权和成本结构。闭源模型的使用成本随调用量线性增长开源模型的成本集中在GPU采购和运维边际成本低。金融、医疗、政务类产品多数选择开源自部署路线根本原因是监管层对数据出境有明确限制。还有一种中间态叫开源不开权重代码和架构公开但模型权重受商业许可约束不能自由商用。选型时需要仔细阅读license文件不能只看GitHub上的开源标签。评估选型方案前先跟法务确认数据合规边界这一步决定了后面所有技术方案的可选范围。3、模型本地云端部署方案评审阶段部署位置是绕不开的问题。部署在哪直接决定了成本结构、延迟水平和数据安全等级。云端部署 是模型运行在云服务商的服务器上产品通过网络API调用。延迟受网络条件影响通常100ms到2秒不等。按Token数量或API调用次数计费。这是当前绝大多数AI产品的接入方式上手成本最低。端侧部署 是模型运行在用户的设备上比如手机芯片、PC的NPU。数据不通过网络传输延迟低无网络也能运行。受设备算力限制能运行的模型参数量通常在7B以下。苹果的Apple Intelligence、手机厂商的端侧AI功能均属此类。私有化部署 是企业采购或租用GPU服务器在自有机房或私有云上运行开源模型。数据不出内网满足最严格的合规要求但GPU采购和运维成本高。三种部署方式的决策维度是成本、延迟、数据安全三者的权衡。方案评审阶段你必须先排好这三个维度的优先级顺序再选择部署方案。把架构决策完全交给工程团队会导致后期因合规问题推倒重来。4、基础模型 vs 对话模型这是最容易混淆的概念对混淆后直接导致选型方向出错。基础模型Base Model 仅经过大规模语料预训练学到的能力是根据上下文预测下一个词。这类模型不具备遵循指令的能力直接输入帮我写一份邮件输出是按照训练数据里的概率分布续写文字不一定产出邮件格式内容。基础模型不适合直接面向最终用户。对话模型Chat/Instruct Model 在基础模型之上经过指令微调和RLHF对齐这两个概念后面展开具备理解和遵循用户指令的能力。GPT-4-turbo、Claude 3 Opus、Qwen-72B-Instruct均是对话版本。调用API时选择的版本后缀通常是 -instruct、-chat 或 -turbo对应的就是对话模型。你通过API调用的几乎全部是对话模型。基础模型更多用于需要最大化生成多样性的场景比如生成训练数据、创意实验。看模型文档时直接跳到对话版本的章节即可。5、推理模型同样一个复杂分析任务普通对话模型经常漏掉关键逻辑推理模型的准确率明显更高但API账单也跟着翻了好几倍。推理模型 是2024年以来出现的新范式与普通对话模型存在本质区别。普通对话模型在接收用户输入后直接生成回复。推理模型在生成最终回复前会执行一段内部的逐步思考过程这个过程通常以隐藏的思维链形式存在对用户不可见但计入Token消耗。代表性模型有OpenAI的o1和o3系列Anthropic的Claude 3.7 Sonnet扩展思考模式阿里的Qwen3系列。数学计算、逻辑推理、代码生成、复杂分析类任务推理模型的准确率显著高于普通对话模型。定性的文字类任务摘要、改写、翻译普通对话模型够用用推理模型只是增加延迟和成本。你的核心决策点是用户的任务是否需要多步骤推导。客服问答不需要推理模型合同风险分析需要推理模型。这个判断不做清楚产品成本模型就会出现结构性错误。6、TokenSystem Prompt明明不长但每次API调用费用就是居高不下。问题可能出在Token的计算方式上。Token 是大模型处理文本的最小单位不等于字或词。英文中一个Token平均对应约0.75个单词。中文中一个汉字通常对应1到2个Token具体取决于分词器。处理同样信息密度的文本中文消耗的Token数量高于英文成本更高这个差异在高频调用场景下累积效果显著。Token对你有两个直接影响。第一个是计费。 主流大模型API按输入Token和输出Token分开计费输出Token通常比输入Token更贵。写一个功能的System Prompt加上用户输入再加上模型回复三者合计的Token数量决定单次调用成本。System Prompt过长超过3000 Token时每次调用都会重复计费这部分高频场景下累计成本不可忽视。第二个是内容限制。 模型的上下文窗口限制了单次能处理的Token总量见概念7。长文档处理时文档内容必须被切分为不超过上下文窗口的片段分批处理这是产品架构设计的硬约束。⚠️ Token · 单次成本基线上线前先算清楚单次调用的Token消耗System Prompt 平均用户输入 平均输出三项乘以单价这就是你的单次成本基线。7、Context Window用户上传一份50页的PDF要求总结模型只总结了前10页。不是模型偷懒是Context Window不够了。Context Window 是模型在单次推理中能同时处理的最大Token数量包括输入和输出的总和。这个参数直接决定产品能做什么。当Context Window是4K Token时模型大约能处理3000字中文文本。128K Token时能处理约10万字。当前部分模型已达到1M Token的上下文长度对应约75万字的处理能力。产品中的典型约束场景用户上传长文档要求摘要超过Context Window的内容会被截断模型看不到。长对话中历史消息超出Context Window后模型开始遗忘早期内容。代码库分析时Context Window限制了能同时分析的代码文件数量。更大的Context Window通常意味着更高的单次API费用因为推理计算量与输入Token数成正比。设计功能时先明确典型场景下的Token规模据此选择合适的模型版本而不是默认选最大上下文的版本再考虑成本。8、Hallucination模型生成的内容读起来很专业引用了数据源和出处但一查发现数据源根本不存在。这就是幻觉。Hallucination 是模型生成听起来合理但实际上错误或虚构内容的现象。这不是模型的诚信问题是模型生成机制的固有特性。模型的生成过程是基于统计概率预测下一个Token没有验证机制核查生成内容是否符合事实。幻觉的高风险场景集中在三类生成具体数字引用来源、统计数据、金额生成人名和职位信息可能混淆不同人物的属性描述近期事件模型有知识截止日期截止日期后的事件模型不具备。降低幻觉的产品设计方向有三个。 要求模型在回复中标注信息来源。通过检索系统提供原始文档作为上下文让模型基于文档回答而非依赖训练数据。在输出后增加事实验证步骤。 幻觉 · 产品兜底幻觉无法完全消除。你的工作是识别高风险场景并在产品设计中建立兜底机制而不是假设模型输出都是正确的。没有兜底机制的AI产品在C端规模化运营后必然出现严重的用户信任危机。9、Temperature同一个Prompt调了三次三次结果完全不一样下游系统解析全报错。问题不在Prompt在Temperature设高了。Temperature 是控制模型生成随机性的参数通常取值范围在0到1之间部分模型支持到2。设为0或接近0时模型在生成时倾向于选择概率最高的Token输出结果高度稳定多次调用相同输入通常得到相同或相近的输出。设为较高值0.7到1.0以上时模型在生成时给低概率的Token分配更高采样权重输出结果更多样多次调用相同输入会得到不同结果。需要精确、一致输出的场景数据抽取、格式化输出、代码生成选择 低Temperature0到0.2。需要创意多样性的场景文案生成、内容创作、头脑风暴选择中到高Temperature0.7到1.0。Temperature设置错误是很多产品早期体验问题的直接原因。低Temperature的创意产品会显得刻板重复高Temperature的数据提取产品会输出不稳定的字段值。上线前先根据业务场景确定Temperature值写进配置文档。10、System Prompt想让模型只回答产品相关的问题不聊别的。System Prompt是最直接的控制手段不需要改代码就能改变模型行为。System Prompt 是在用户输入之前发送给模型的隐藏指令用于定义模型的角色、行为规范和输出格式。System Prompt可以定义的内容包括输出语言强制用中文回复、回复格式必须用JSON格式输出、角色身份、行为边界不回答产品功能范围以外的问题、输出长度限制回复控制在200字以内。三个工程约束你必须了解。System Prompt计入输入Token每次调用都会重复计费这部分TokenSystem Prompt越长每次API成本越高。用户输入可以尝试覆盖System Prompt中的指令Prompt注入攻击产品需要设计防御机制尤其是面向公众开放的场景。模型对System Prompt的遵循不是100%部分情况下模型仍会偏离指令产品需要有后处理校验逻辑不能假设模型一定按System Prompt输出。 System Prompt · 上线前验证写完System Prompt后拿10条真实用户输入跑一遍验证模型是不是真的按要求输出。不跑测试直接上线后面出的问题全是低级错误。11、Chain-of-Thought多步骤的数学题直接问模型模型倾向于压缩中间步骤直接跳到答案错误率偏高。Chain-of-ThoughtCoT 的做法是在Prompt里加一句请一步步思考或先列出推理步骤再给出结论引导模型显式输出每一步推导过程。中间步骤写出来之后最终答案的准确率通常有显著提升。效果在推理密度高的任务上最明显比如数学计算、逻辑推断、代码调试、多条件判断。简单的分类或提取任务不需要CoT加了只是增加输出Token数量和延迟。推理模型概念5可以理解为内置了CoT机制模型自动执行思维链推理不需要Prompt中手动引导。如果产品已用推理模型再加一步步思考只是浪费Token。12、Few-Shot描述了半天输出格式模型就是不按要求来。与其写更长的格式说明不如直接给两三个例子。Few-Shot 是在Prompt中提供几个输入-输出示例引导模型按照示例格式和逻辑处理新的输入。在System Prompt或用户消息中提供2到5组示例随后提供需要处理的新输入。模型通过模式匹配按照示例的格式产出结果。Few-Shot在三类场景效果明显。 需要特定输出格式但格式描述复杂时用示例代替冗长的格式说明。需要模型遵循特定分类标准时比如将用户反馈按内部标准分类示例比文字描述更精确。需要保持输出风格一致时提供风格样本。Few-Shot会消耗额外的输入Token。示例内容越长、示例数量越多Token消耗越高。高频调用场景下需要在效果和成本之间找平衡点通常2到3个示例是性价比最高的数量。13、Zero-Shot拿到一个新任务第一反应是要不要先写几个示例。大多数情况下不需要。Zero-Shot 是不提供任何示例直接描述任务要求让模型完成任务的方式。当前主流大模型GPT-4系列、Claude 3系列、Gemini 1.5系列在Zero-Shot条件下的指令理解能力已相当强大量常规任务摘要、翻译、分类、提取不需要示例就能完成。设计Prompt时先用Zero-Shot试效果如果输出格式或质量不满足要求再引入Few-Shot。不要默认加入大量示例因为示例会增加Token消耗和推理延迟。Zero-Shot效果差的时候优先检查任务描述是否足够精确而不是立即堆砌示例。模糊的任务描述在Zero-Shot条件下会导致模型理解偏差这时候问题在描述不在方法。14、Pre-training模型对最近两个月发生的事情一无所知问了就编这是预训练数据有截止日期导致的。Pre-training预训练 是大模型建立基础能力的阶段也是成本最高的阶段。预训练的过程是在数以万亿计的文本数据上网页、书籍、论文、代码等通过预测下一个Token的任务持续训练模型权重。模型在这个过程中未直接学习任何特定任务但获得了语言规律、事实知识、推理能力和世界常识的隐式表达。预训练对你有两个直接影响。预训练数据有时间范围通常滞后当前时间6到18个月。2024年Q4发布的模型训练数据截止时间可能是2024年Q1到Q2。截止日期之后的事件和知识模型不具备这是幻觉的高发场景之一。产品中涉及时效性信息的功能需要通过检索系统补充最新数据不能依赖模型的内置知识。不同厂商在预训练数据规模、质量和训练策略上的差异决定了模型的基础能力水平。这是不同模型在Benchmark上表现差异的根本原因不是单纯的参数量差异。产品功能涉及时效性信息时默认加检索系统补充最新数据不要指望模型自带的知识能覆盖你的业务场景。15、SFT通用对话模型在垂直领域总是输出不精确的术语或者格式不符合内部规范。这时候可以考虑用领域数据做一次SFT。SFTSupervised Fine-Tuning监督微调 是在预训练模型基础上用人工标注的指令-回复数据对进行有监督训练理解RLHF的实际价值在于它解释了为什么不同厂商的模型在 安全限制和回复风格 上存在明显差异。这是不同的标注标准和偏好设计的结果不是模型能力差异造成的。选型时如果发现某个模型太保守或太激进根源在RLHF阶段的标注偏好设定。17、Quantization部署一个大参数模型需要的GPU显存动辄几百GB硬件预算直接爆掉。Quantization是把硬件成本砍下来的核心手段。Quantization量化 是通过降低模型权重的数值精度来减少模型存储空间和推理计算量的技术。模型权重默认以16位浮点数FP16存储。量化将精度降低到8位整数INT8甚至4位整数INT4存储空间和计算量随之减少。对你的直接影响体现在三个方面。成本方面INT4量化后的模型相比FP16版本推理使用的GPU显存减少约75%在相同硬件上可以部署更大参数量的模型或者处理更多并发请求。质量方面量化会引入精度损失。INT4量化的模型在某些任务上的准确率低于FP16版本具体损失因任务类型和量化算法而异。速度方面量化后的推理速度通常更快延迟降低对实时交互类产品有价值。老王建议选型时先跑一轮业务场景测试确认精度损失在可接受范围内再决定用哪个量化级别。不能默认量化版本与原版质量相同。18、Parameter Count对比两个模型一个7B一个70B直觉告诉你70B更强。大多数情况下是对的但不绝对。Parameter Count参数量 是模型中可训练权重的总数量通常以十亿BillionB为单位如7B、70B、405B。有三个反直觉的认知。更大不等于更好。 在同等训练质量下更大的参数量通常意味着更强的能力但训练数据质量、微调策略、架构设计同样决定模型能力。一个经过高质量数据精炼训练的7B模型在特定任务上可以超过粗糙训练的70B模型。参数量决定部署成本。 70B参数的模型在FP16精度下需要约140GB显存需要2张A100。405B参数模型需要约810GB显存硬件成本显著提升。评估私有化部署方案时必须将参数量与GPU成本对应。参数量与API定价正相关。 主流大模型API定价按模型版本分层更大参数量的版本每百万Token的费用更高。早期规划阶段就把参数量和API定价的关系纳入成本模型选型时先从小模型试起能满足业务需求就不上大模型。19、Benchmark厂商宣传MMLU得分92.3%超越GPT-4看起来很强。但Benchmark得分高不等于你的业务场景好用。Benchmark基准评测 是用于衡量大模型能力的标准化测试集选型时需要参考但不能只看这个。MMLU覆盖57个学科的知识问答包括数学、历史、法律、医学等评估模型的知识广度和理解能力。MATH是高中到竞赛级别的数学题评估模型的数学推理能力。准确率低于60%的模型在数学密集型任务中不适合作为主力模型。HumanEval是编程任务评测评估代码生成的功能正确率。MMLU-Pro和SimpleQA分别针对专业场景知识和事实准确性。老王的经验是最可靠的选型方法是用你的实际业务数据构造测试集在候选模型上实测以业务任务的准确率作为选型依据。厂商Benchmark可能存在测试集污染只看官方榜单排名会踩坑。20、Emergent Ability小模型跑不动的多步骤推理任务换了个大一号的模型同样的任务突然就能做了。这不是玄学是涌现。Emergent Ability涌现能力 是指大模型在参数量或训练数据规模达到某个阈值后突然具备之前没有的能力且该能力无法从更小规模的模型线性外推。这个概念解释了为什么模型升级有时体验到能力的质变而不是量变。多步骤数学推理在部分模型规模阈值以下准确率接近随机超过阈值后准确率迅速提升。代码调试、复杂逻辑判断、跨语言理解等任务均在不同规模节点上出现类似现象。对你的应用价值是当升级到更大规模的模型时可能解锁之前无法实现的产品功能。小模型跑不动的任务换大模型试一次是有数据支撑的策略。涌现的边界是并非所有任务都存在明确的涌现阈值也不是所有升级都能带来涌现效果。小模型做不到的事先换大模型试一轮成了就上不成再找别的方案。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取