英文：Foundation Model 分类：foundation
在海量数据上大规模预训练而成、具备广泛通用能力的模型，可作为各类下游任务的底座。它不针对单一任务，而是通过微调、提示或对齐适配到对话、写作、代码、翻译等多种场景，是"一个模型、处处可用"理念的载体。
基础模型通常拥有数十亿至数万亿参数，基于 Transformer 架构，在文本、代码、图像、语音等多模态数据上预训练。其能力来自规模法则驱动的涌现效应，通用性则来自任务无关的预训练目标。下游可通过指令微调、LoRA 适配、检索增强或上下文学习调用，而无需为每个任务从头训练。
BERT/GPT 开启预训练语言模型时代，GPT-3 验证规模与涌现，ChatGPT 将基础模型推向大众，随后基础模型扩展为多模态（GPT-4o、Gemini、Claude）与推理模型（o 系列、R1）两大方向，并出现开源权重生态（Llama、Qwen、DeepSeek）。
作为 AI 应用的技术底座，被集成进搜索引擎、办公套件、编程 IDE、客服系统与智能体平台；企业通过 API 调用或私有化部署基础模型，再按领域微调以构建自有智能服务。
相关词条：Transformer · 注意力机制 · 自注意力 · 大语言模型 · 上下文学习