書接上回，LLM是生成式AI的子集合，也就是說生成式AI涵蓋的範圍更大。

先解釋定義：生成式 AI 是透過大量資料訓練深度學習模型，學習資料中的模式與特徵，進而生成新的文字、圖片、音訊、影片或程式碼內容。

由於輸出的內容不同，所採用的模型架構也可能不同。但近年來隨著 Transformer 在理解長距離關聯上的優勢逐漸顯現，文字、大多數多模態模型，以及新一代圖片、影音生成模型，都開始朝 Transformer 為核心的方向發展，像是DiT(diffusion + transformer)。要注意的是，並非所有生成式 AI 都建立在 Transformer 之上。

舉例來說:小玉換臉蔡英文的deepfake(深偽)就是生成式AI的應用，這麼看來小玉也是走在時代的前緣´-﹏-。

Deepfake在3~4年前還不算太成熟的技術，所以可以明顯看的出來是換臉(切割感很重)，到現在隨處可見的名人跳舞，還是小明劍魔的人臉魔改，換人講:"回答我"==，從這邊可以看出來生成式AI的進步是非常迅速的。

2026/08，中國的MiniMax 開源了H3的多模態模型，可以同時理解與生成文字、圖片等不同形式的內容，支援很不錯的輸出品質，缺點是需要性能比較好的設備(但這無可厚非)。

隨著深度學習模型規模一直在增加，也帶動運算資源的需求。GPU，擁有優秀的平行運算能力，成為AI訓練的重要關鍵。Nvidia也因為科技的浪潮，成為目前這波最大的受益者。

講有點多了，幫大家釐清一個概念，傳統AI與生成式AI，差別在哪裡??

這兩個最大的差別在於"創造內容"的能力
傳統AI主要負責分類、預測和判斷結果，像是股票預測、圖片辨識等...框架大概在機器學習與深度學習。
而生成式AI則可以根據學習到的知識生成全新的內容#註1，像是撰寫文章、產生圖片、生成影片等..

MiniMax:
GitHub： https://github.com/MiniMax-AI/MiniMax-H3

註1: 大語言模型通過在數萬億級別的預訓練，LLM的神經網絡權重實際上已經建構一個關於世界知識的、高度壓縮的模型。出乎意料的是，當模型的規模(參數量B)跨越某個閾值後，開始出現未被訓練得、預料之外的"湧現"的能力。
舉例：提供零星的示例，模型就能理解並完成新任務