推理（Inference）
模型用训练好的参数对新输入做预测的过程。你每次提问触发的那次计算就是推理，推理成本和速度决定 API 定价。
量化（Quantization） Quantization
把模型权重从高精度（如 16 位）压到低精度（8 位/4 位）以省显存、提速。量化后的大模型能跑在笔记本甚至手机上，代价是精度小幅下降。
相关术语
微调（Fine-tuning）
在预训练模型基础上，用自己领域的数据继续训练，让模型的风格与能力向特定任务靠拢。比 RAG 更改变模型的“本能”，成本与门槛也更高。
大语言模型（LLM）
用海量文本训练出来的超大规模神经网络，通过预测“下一个词”学会语言、知识与推理，ChatGPT、Claude、Gemini 背后都是 LLM。