紫东太初

Zidong Taichu 是什么

自动太初 是一个全模态大模型服务平台，围绕「理解并生成不止一种输入」构建：文本、图像、音频与视频，而不只是文本。

研究的定位是它性格的一部分，而它既是一个可用来对话的助手，也同样是一个可供别人构建的平台。

全模态而不是只有文本

大多数助手把文本当默认、其余一切当附件。全模态模型的构建方式，是让不同类型的输入成为一等公民，而当材料本身确实不是文本时——比如一段录音、一段视频或一组图片——这一点就很重要。

实际收益是更少的转换。先把音频转成文字再问它，或者先描述一张图片再讨论它，都增加了一个意义流失的步骤，而拿掉这一步是真实的差别，不只是便利。

研究的框架也意味着它是一个别人可以在其上构建的平台，如果你是在为一个项目而不是个人使用来评估它，这一点就相关。文档、模型接入与许可是决定这是否可行的关键，而在投入工程时间之前值得先核对。

代价是打磨程度。有研究背景的平台往往能力强但不如消费级产品精致，而界面通常就是这种差距显现的地方。如果你在评估能力，这些毛刺是次要的。

适合谁使用

它适合跨模态工作的研究者与开发者，以及材料确实是混合形态而不是以文本为主的用户。

它也适合在评估一个可供构建的模型平台、而不是日常使用的助手的团队。

需要留意什么

用你自己实际的输入类型组合去测。全模态的说法很容易做，而实际表现不均衡，最弱的那个模态才是决定它对你有没有用的东西。

预期它的界面不如消费级助手打磨，去判断能力而不是包装。

核对语言覆盖，而对一个研究平台来说，这往往与商业助手提供的范围不同。

确认你实际拿到的是什么接入方式。一个面向研究者的平台可能提供模型下载、API 接入，或者只有一个网页界面，而对任何打算基于它构建的人来说，这三者是完全不同的提议。

还有一点值得问：你提供的非文本输入之后会怎么样。一个围绕音频与视频构建的平台处理的材料往往比文本更敏感，因为录音与图像带有可识别身份的信息，而文本是可以被剥掉的。知道这些材料是否被存储、存多久、以及是否被用于回答你之外的任何用途，是上传任何真实内容之前值得弄清的问题，而且这类问题研究平台被直接问到时通常会给出坦率的回答。