LLM 到底是什么 —— 把"大模型"这个词拆开看

来源：2017 Transformer → 2020 GPT-3 → 2022 ChatGPT 出圈
一句话：LLM（Large Language Model，大语言模型）本质是一个超大规模的"文字接龙"机器——给它前文，它预测下一个字该是什么。

1. 它从哪来

《AI 发展史》第四篇讲过：Transformer 架构 + 预训练。把这两个合起来就是 LLM 的出生证明：

拿海量文本（网页、书、代码）做训练材料
让模型反复做一件事：遮住下一个词，猜，猜错就调参数
猜了几万亿次之后，模型"背"下了人类语言里深层的规律——语法、事实、逻辑、甚至一点点推理

GPT 这个名字就是这意思：Generative（生成式）Pre-trained（预训练）Transformer。

2. 必须搞懂的 4 个概念

概念	是什么	直观理解
Token	模型处理文字的最小单位，约 1 个汉字 ≈ 1~2 个 token	模型不是按"字"读，是按 token 读，按 token 计费
参数量	模型里可调节的数字个数，GPT-3 有 1750 亿	粗略代表"脑容量"，越大通常越聪明但越贵越慢
上下文窗口	一次对话能装进模型的最大 token 数	相当于"工作记忆"，超过就忘（第 2 篇细讲）
温度（temperature）	控制输出随机性，0 最死板，1+ 最放飞	写代码调低、写文案调高

3. 关键区别：模型 ≠ 产品

这是最容易混淆的一点：

名字	是什么
GPT-4 / DeepSeek / Qwen	模型——一堆参数文件 + 推理程序，跑在服务器上
ChatGPT / 豆包 / 通义	产品——把模型包上聊天界面、账号系统、联网搜索给你用
API	租用通道——不开界面，你的程序直接调模型

所以"ChatGPT 和 DeepSeek 有什么区别"这种问题，其实混了两个层面：比的是产品体验，底层模型能力另算。

4. 怎么用：网页对话 vs API

网页对话（零门槛）：打开 ChatGPT / DeepSeek 官网，打字就行——你每天都在用。

API 调用（程序员的玩法）：现在几乎所有模型厂商都兼容 OpenAI 协议，这已经成了事实标准。拿到 API Key 后，任何语言几行代码就能调：

from openai import OpenAI

client = OpenAI(
    api_key="你的Key",
    base_url="https://api.deepseek.com"   # 换个地址就能换成别家模型
)

resp = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个简洁的技术助手"},
        {"role": "user", "content": "用一句话解释什么是LLM"}
    ]
)
print(resp.choices[0].message.content)
# 输出：LLM 是一种在海量文本上训练、通过预测下一个词来生成内容的超大规模神经网络模型。

注意 messages 这个结构——system 定人设、user 提问、assistant 回答，这就是所有 AI 应用的地基，下一篇就讲它。

5. 它能干什么 / 不能干什么

✅ 擅长：写作、翻译、总结、解释概念、写代码、格式转换
❌ 不擅长：实时信息（训练截止后的事不知道）、你的私有资料（训练时没见过）、执行动作（只会说话，不会点按钮）、精确计算（偶尔算错还一本正经）

这四个"不擅长"，正好对应后面四篇要讲的解法：上下文管理、Function Calling、RAG、Agent。

下一篇：对话到底是怎么实现的？为什么聊到一半它就把开头忘了？