

IA e informática
Arquitectura de modelo de lenguaje grande multimodal
- Composición:
- dos ramas de entrada en un modelo
- Relación de aspecto:
- 16:9
Prompt
Cree un diagrama de arquitectura de 【un modelo de lenguaje grande multimodal】, lea de izquierda a derecha. Dibuja cada relación exactamente como se indica y nada más:
1. 【Rama superior: un ícono de imagen → codificador de visión → proyector.】
2. 【Rama inferior: un ícono de texto → tokenizador.】
3. 【Ambas ramas se unen en un gran bloque LLM.】
4. 【El LLM produce una respuesta, que se muestra como un bocadillo.】
Etiquetas (usa cada una una sola vez y no añadas otro texto): 【Image, Vision encoder, Projector, Text, Tokenizer, LLM, Response】.
Estilo: diagrama esquemático estilo diario. Limpie gráficos vectoriales planos sobre un fondo blanco. Los módulos son rectángulos redondeados o iconos simples con sus nombres cortos en su interior; paneles de colores pastel claros agrupan capas relacionadas. Sólo 3 o 4 colores apagados, cada uno con un significado fijo. Flechas finas y uniformes muestran el flujo de datos, energía, material o influencia; Flechas discontinuas para enlaces indirectos o de retroalimentación. Etiquetas en inglés sans-serif únicamente, cada etiqueta aparece exactamente una vez y se escribe exactamente como se indica. Sin renderizado 3D, sin sombras, sin brillo, sin decoración de fondo ciberpunk o tecnológica, sin fotorrealismo.
Abre Yila con este prompt y el ejemplo como imagen de referencia.
Los ejemplos se generaron con Nano Banana. El prompt también funciona con GPT Image y otros modelos de imagen; los resultados varían según el modelo.






