Từ điển thuật ngữ AI: 55 từ giải thích dễ hiểu

Kiến thức cơ bản

Đây là phiên bản tra cứu đầy đủ: 55 thuật ngữ, định nghĩa trước, chi tiết sau. Nếu bạn muốn một vòng dạo nhẹ nhàng hơn, chỉ gồm những từ quan trọng trong tuần đầu tiên, hãy đọc Thuật ngữ AI giải thích dễ hiểu trước, rồi quay lại đây khi gặp một từ dẫn bạn tới trang này.

Trí tuệ nhân tạo

Trí tuệ nhân tạo là phần mềm thực hiện những việc thường cần đến sự phán đoán của con người, chẳng hạn viết lách, suy luận, hay nhận ra thứ gì đó trong một tấm ảnh.

Trong cách dùng hằng ngày năm 2026, "AI" hầu như luôn có nghĩa là các trợ lý chat xây trên mô hình ngôn ngữ lớn, chứ không phải cả lĩnh vực học thuật rộng lớn hơn.

Học máy

Học máy là kỹ thuật dạy phần mềm bằng cách cho nó xem ví dụ, thay vì lập trình sẵn quy tắc cho nó.

Mọi trợ lý AI hiện đại đều được xây theo cách này: hành vi của nó đến từ các mẫu hình trong dữ liệu huấn luyện, và đó là lý do cùng một mô hình có thể xuất sắc ở việc thường gặp nhưng lại lúng túng ở việc hiếm gặp.

Mô hình

Mô hình là một hệ thống AI cụ thể đã được huấn luyện, chính là thứ bạn thật sự gửi prompt tới.

GPT, Claude và Gemini là các họ mô hình; một họ chứa nhiều mô hình riêng lẻ với kích cỡ, tốc độ và giá khác nhau. Chọn giữa chúng theo từng việc là kỹ năng cốt lõi để dùng AI hiệu quả.

LLM (mô hình ngôn ngữ lớn)

LLM, hay mô hình ngôn ngữ lớn, là một mô hình được huấn luyện trên lượng văn bản khổng lồ để đoán đoạn chữ tiếp theo nên là gì.

Chỉ một mẹo đó thôi, làm ở quy mô lớn, chính là thứ tạo ra câu trả lời, bản nháp, mã lệnh và bản tóm tắt. Chữ "lớn" nói tới cả dữ liệu huấn luyện lẫn số lượng tham số.

Chatbot

Chatbot là giao diện trò chuyện bao quanh một mô hình, chính là thứ có ô nhập tin nhắn.

Sự khác biệt này quan trọng khi so sánh sản phẩm: hai chatbot có thể bọc cùng một mô hình mà vẫn cảm giác khác nhau, và một chatbot có thể cung cấp nhiều mô hình, đó chính là cách Whizi hoạt động.

Prompt

Prompt là tất cả những gì bạn gửi cho mô hình: câu hỏi, chỉ dẫn, và bất kỳ chữ hay tệp nào bạn đính kèm.

Chất lượng câu trả lời bám rất sát chất lượng prompt. Bối cảnh, ràng buộc và định dạng đầu ra bạn muốn là ba thứ người mới hay bỏ sót nhất.

Token

Token là mẩu văn bản nhỏ mà một mô hình thật sự đọc và viết ra, trung bình bằng khoảng ba phần tư một từ tiếng Anh.

Giá cả, tốc độ và cửa sổ ngữ cảnh đều được đo bằng token, đó là lý do từ này xuất hiện trên mọi trang giá AI. Một tài liệu 1,000 từ rơi vào khoảng 1,300 token.

Cửa sổ ngữ cảnh

Cửa sổ ngữ cảnh là lượng văn bản tối đa, đo bằng token, mà một mô hình có thể xem xét cùng lúc.

Prompt của bạn, cuộc trò chuyện tính tới lúc đó, tài liệu đính kèm và cả câu trả lời đều dùng chung phần này. Bảng so sánh cửa sổ ngữ cảnh liệt kê con số hiện tại cho mọi mô hình lớn, còn bài giải thích về cửa sổ ngữ cảnh nói vì sao nó giải thích được phần lớn những lời than phiền kiểu "AI quên mất rồi".

Tham số

Tham số là những con số nội bộ mà một mô hình học được trong quá trình huấn luyện, và cũng là thước đo thường dùng cho kích cỡ của nó.

Được đếm theo đơn vị tỷ, càng nhiều tham số thì thường càng nhiều năng lực và càng tốn kém. Đây là một chỉ số chọn mua khá tệ nếu đứng một mình; các bài đo chuẩn và phép thử của chính bạn đáng tin hơn số lượng tham số.

Câu trả lời

Câu trả lời là kết quả đầu ra của mô hình cho một prompt, còn gọi là completion.

Câu trả lời được tạo mới hoàn toàn mỗi lần, đó là lý do tạo lại cùng một prompt cho ra câu chữ khác, và đôi khi cả câu trả lời khác.

Nói chuyện với một mô hình

Prompt hệ thống

Prompt hệ thống là chỉ dẫn thường trực mà một mô hình nhận được trước tin nhắn của bạn, quy định vai trò, giọng điệu và quy tắc của nó.

Sản phẩm nào cũng có một cái, dù bạn không nhìn thấy nó. Khi một chatbot "có cá tính riêng", phần cá tính đó thường nằm trong prompt hệ thống.

Kỹ thuật viết prompt

Kỹ thuật viết prompt là việc viết prompt một cách có chủ đích để đều đặn nhận được kết quả tốt hơn.

Dù mang cái tên nghe to tát, phần lớn chuyện này chỉ là sự rõ ràng thông thường: nêu rõ mục tiêu, cho bối cảnh, đưa ví dụ, nêu tên định dạng. Hướng dẫn viết prompt cho người mới trình bày những kỹ thuật thật sự thay đổi kết quả.

Zero-shot

Zero-shot nghĩa là yêu cầu một mô hình làm một việc mà không đưa cho nó ví dụ nào.

Các mô hình hiện đại xử lý được phần lớn việc thường ngày theo kiểu zero-shot. Từ này tồn tại chủ yếu để đối chiếu với prompt kiểu few-shot.

Few-shot

Few-shot nghĩa là đưa vào prompt vài ví dụ đã làm sẵn để mô hình bắt chước theo khuôn mẫu đó.

Đây là cách nâng độ tin cậy rẻ nhất cho những việc nhạy cảm về định dạng: hai ba ví dụ đầu vào và đầu ra mong muốn thắng cả một đoạn văn mô tả.

Chuỗi suy luận (chain of thought)

Chuỗi suy luận là việc mô hình đi qua các bước trung gian trước khi đưa ra câu trả lời cuối cùng.

Yêu cầu một mô hình suy luận từng bước cải thiện rõ rệt khả năng xử lý bài toán khó, và các mô hình suy luận ngày nay mặc định tự làm một phiên bản của việc đó ở bên trong.

Nhiệt độ

Nhiệt độ là thiết lập kiểm soát mức ngẫu nhiên mà mô hình thêm vào khi chọn từng token tiếp theo.

Nhiệt độ thấp cho kết quả nhất quán, an toàn; nhiệt độ cao cho sự đa dạng và thỉnh thoảng cả những câu vô nghĩa. Các sản phẩm chat thường tự chọn sẵn một mức ở giữa cho bạn.

Streaming (truyền theo dòng)

Streaming là việc mô hình gửi câu trả lời từng token một khi nó đang tạo ra, thay vì gửi trọn vẹn một lần khi xong.

Đó là lý do câu trả lời trông như đang tự gõ ra, và cũng là lý do một câu trả lời tệ có thể bị dừng sớm thay vì phải chờ hết.

Tạo lại câu trả lời

Tạo lại câu trả lời nghĩa là yêu cầu một câu trả lời hoàn toàn mới cho cùng một prompt.

Vì việc tạo sinh mang tính xác suất, một lần tạo lại là một lượt rút hoàn toàn mới, chứ không phải chạy lại đúng phép tính cũ. So sánh hai lượt tạo, hoặc cùng một prompt trên hai mô hình, là một cách kiểm tra chất lượng nhanh gọn.

Mô hình được tạo ra như thế nào

Huấn luyện

Huấn luyện là quá trình điều chỉnh các tham số của một mô hình dựa trên dữ liệu cho tới khi các dự đoán của nó trở nên tốt.

Chuyện này xảy ra trước khi bạn từng gặp mô hình, và tốn của nhà cung cấp một lượng tính toán khổng lồ. Không có gì bạn gõ vào một cuộc chat huấn luyện lại mô hình ngay lúc đó, dù nhà cung cấp có thể dùng các cuộc trò chuyện để huấn luyện phiên bản tương lai, tùy theo chính sách của họ.

Dữ liệu huấn luyện

Dữ liệu huấn luyện là văn bản và các tư liệu khác mà một mô hình đã học từ đó.

Độ rộng của nó giải thích mô hình biết những gì, các lỗ hổng của nó giải thích những điểm mù mang tính hệ thống, và khoảng thời gian của nó quy định mốc dừng huấn luyện.

Tiền huấn luyện

Tiền huấn luyện là giai đoạn đầu tiên và lớn nhất của việc huấn luyện, nơi một mô hình học ngôn ngữ và kiến thức về thế giới từ một khối lượng văn bản khổng lồ.

Kết quả có năng lực nhưng còn thô. Mọi thứ khiến một mô hình cư xử như một trợ lý hữu ích đều đến sau giai đoạn này.

Tinh chỉnh

Tinh chỉnh là việc huấn luyện thêm trên một tập dữ liệu hẹp hơn để chuyên biệt hóa hoặc định hình một mô hình đã qua tiền huấn luyện.

Nhà cung cấp tinh chỉnh để tăng tính hữu ích và an toàn; các công ty tinh chỉnh cho những việc thuộc lĩnh vực riêng của họ. Với phần lớn người dùng, một prompt tốt cộng với một mô hình đa năng đủ mạnh thắng cả việc trả tiền để tinh chỉnh.

RLHF

RLHF, học tăng cường từ phản hồi của con người, là việc huấn luyện một mô hình dựa trên đánh giá của con người về các câu trả lời của nó.

Đây là một phần lớn lý do vì sao các trợ lý hiện đại lịch sự, có cấu trúc và thận trọng. Làm quá tay, nó cũng tạo ra kiểu nói nước đôi khiến một số mô hình từ chối trả lời hoặc vòng vo.

Alignment (căn chỉnh)

Alignment là công việc làm cho hành vi của một mô hình khớp với ý định và giá trị của con người.

Trong thực tế, nó bao trùm mọi thứ từ việc từ chối các yêu cầu có hại cho tới đơn giản là làm theo chỉ dẫn một cách chính xác. Khi một mô hình làm điều gì đó ấn tượng về mặt kỹ thuật nhưng không ai muốn, đó là một khoảng hở về alignment.

Suy diễn (inference)

Suy diễn là việc chạy một mô hình đã huấn luyện để tạo ra câu trả lời, khác với việc huấn luyện nó.

Mỗi tin nhắn bạn gửi đều kích hoạt một lượt suy diễn, và chi phí suy diễn chính là thứ mà giá theo token đo lường. Những mô hình rẻ để chạy vẫn có thể rất có năng lực; Chỉ số chi phí mô hình AI cho thấy mức chênh lệch giá lên tới 2,000 lần.

Transformer

Transformer là kiến trúc mạng nơ-ron đứng sau gần như mọi mô hình ngôn ngữ hiện đại.

Cơ chế then chốt của nó, attention, cho phép mô hình cân nhắc mọi phần của đầu vào so với mọi phần khác. Bạn không bao giờ cần biết chi tiết, nhưng từ này xuất hiện khắp nơi trong các bài viết về AI.

Khi mọi chuyện trục trặc

Ảo giác

Ảo giác là khi một mô hình phát biểu điều gì đó sai hoàn toàn với sự tự tin tuyệt đối.

Đây không phải một lỗi sẽ được vá ở bản cập nhật tới; nó đến từ chính cách việc tạo sinh vận hành. Tần suất khác nhau nhiều tùy mô hình và tùy việc. Hãy coi mọi dữ kiện, con số hay trích dẫn cụ thể là chưa được kiểm chứng cho tới khi bạn kiểm tra xong. Vì sao AI trả lời sai nói về cơ chế đằng sau.

Grounding (bám nguồn)

Grounding là việc cung cấp cho một mô hình tư liệu đáng tin cậy để trả lời dựa vào, thay vì để nó tự dựa vào trí nhớ.

Dán hợp đồng vào, đính kèm báo cáo, hay bật tìm kiếm web đều là grounding. Đây là cách phòng vệ hằng ngày hiệu quả nhất trước ảo giác.

Thiên lệch (bias)

Thiên lệch là khi một mô hình làm lệch kết quả đầu ra của mình một cách có hệ thống theo những cách thừa hưởng từ dữ liệu huấn luyện.

Nó thể hiện qua các giả định về con người, địa điểm và các mặc định. Với những quyết định có hậu quả thật, hãy soát lại kết quả AI như cách bạn soát lại việc của một thực tập sinh thông minh nhưng chưa được kiểm chứng.

Rào chắn an toàn (guardrails)

Rào chắn an toàn là những giới hạn mà nhà cung cấp xây quanh một mô hình để chặn kết quả đầu ra có hại hoặc trái chính sách.

Mỗi nhà cung cấp vạch ranh giới khác nhau, và đó là một khác biệt sản phẩm có thật: cùng một yêu cầu có thể được một mô hình trả lời và bị mô hình khác từ chối.

Jailbreak

Jailbreak là một prompt được dựng ra để lừa một mô hình phớt lờ rào chắn an toàn của nó.

Các nhà cung cấp liên tục vá lỗ hổng này. Với người dùng bình thường, từ này chủ yếu quan trọng như một khái niệm bảo mật: bất cứ điều gì có thể dụ được một mô hình làm theo, sẽ có người tìm cách dụ nó làm.

Red teaming (đội đỏ)

Red teaming là việc cố ý tấn công một mô hình trước khi ra mắt để tìm ra những kiểu hỏng có hại.

Các nhà cung cấp vận hành cả đội đỏ nội bộ lẫn bên ngoài, và các bản mô tả mô hình được công bố thường tóm tắt những gì họ tìm thấy. Đây là phiên bản AI của việc kiểm thử xâm nhập.

Mốc dừng huấn luyện (knowledge cutoff)

Mốc dừng huấn luyện là ngày mà sau đó dữ liệu huấn luyện của một mô hình không còn nữa.

Hỏi về bất cứ điều gì gần đây hơn, mô hình sẽ hoặc thừa nhận không biết, hoặc duyệt web nếu nó làm được, hoặc bịa ra câu trả lời. Biết mốc dừng huấn luyện của mô hình bạn đang dùng giúp tránh cả một nhóm lỗi.

Truy xuất và dữ liệu của bạn

RAG (sinh nội dung có truy xuất)

RAG, sinh nội dung có truy xuất, là việc lấy về các tài liệu liên quan trước rồi để mô hình trả lời dựa trên chúng.

Đây là cách các sản phẩm "chat với kho tri thức của bạn" vận hành bên dưới, và cũng là lý do chúng trích dẫn được nguồn. RAG giảm ảo giác nhưng thừa hưởng đúng chất lượng của bất cứ thứ gì nó truy xuất được.

Embedding (biểu diễn vector)

Embedding là một dãy số biểu diễn ý nghĩa của một đoạn văn bản.

Những văn bản có nghĩa gần nhau sẽ có các con số nằm gần nhau, nhờ đó phần mềm tìm được các đoạn liên quan bằng phép tính toán học. Embedding chính là cỗ máy đứng sau tìm kiếm theo ngữ nghĩa và RAG.

Cơ sở dữ liệu vector

Cơ sở dữ liệu vector là một loại cơ sở dữ liệu được dựng để lưu embedding và tìm những embedding gần nhau thật nhanh.

Nếu một sản phẩm nói rằng nó đã "lập chỉ mục" tài liệu của bạn để tìm kiếm bằng AI, thì một embedding cho mỗi mẩu văn bản đang nằm trong một cơ sở dữ liệu kiểu này.

Tìm kiếm theo ngữ nghĩa

Tìm kiếm theo ngữ nghĩa là tìm văn bản dựa theo ý nghĩa thay vì khớp từ khóa.

Tìm "vấn đề tiền bạc" có thể lôi ra một đoạn nói về áp lực dòng tiền dù không từ nào khớp cả. Đây là embedding được đưa vào ứng dụng thực tế.

Chunking (chia nhỏ văn bản)

Chunking là việc chia các tài liệu dài thành những mẩu đủ nhỏ để embedding và truy xuất tốt.

Nghe có vẻ là việc kỹ thuật hậu trường, và đúng là vậy, nhưng chunking làm ẩu là lý do phổ biến khiến các công cụ chat với tài liệu trả lời dựa vào sai phần của một tệp.

Tìm kiếm web (trong AI)

Tìm kiếm web trong AI nghĩa là mô hình lấy về các trang hiện tại trước khi trả lời, thay vì chỉ dựa vào trí nhớ huấn luyện.

Nó đánh đổi tốc độ để lấy tính cập nhật, và cho phép câu trả lời mang theo trích dẫn mà bạn mở ra xem được. Với bất cứ điều gì sau mốc dừng huấn luyện của mô hình, đây là khác biệt giữa một câu trả lời thật và một lời đoán.

Kho tri thức

Kho tri thức là tập hợp tài liệu đã được chọn lọc mà một công ty đưa cho AI của mình để trả lời dựa vào.

Đầu vào tốt thì đầu ra tốt: một trợ lý bám vào một wiki đã lỗi thời sẽ tự tin đưa ra những câu trả lời lỗi thời, kèm trích dẫn hẳn hoi.

Ba thuật ngữ trong bảng này đặt tên cho ba câu trả lời cạnh tranh nhau cho cùng một câu hỏi, làm sao để một mô hình làm tốt hơn với việc của bạn, và nhầm lẫn chúng với nhau là lỗi dùng từ chuyên ngành phổ biến nhất trong các cuộc họp sản phẩm. Đặt cạnh nhau:

Cách tiếp cận	Cái gì thay đổi	Chi phí và tốc độ	Khi nào nó thắng
Viết prompt tốt hơn (zero-shot, few-shot)	Chỉ mỗi đoạn chữ bạn gửi	Miễn phí, mất vài phút	Gần như luôn là bước thử đầu tiên; hai ba ví dụ đã làm sẵn sửa được phần lớn vấn đề định dạng
RAG	Những gì mô hình đọc trước khi trả lời	Tốn công vừa phải để dựng, không cần huấn luyện lại	Câu trả lời cần luôn cập nhật hoặc trích dẫn tài liệu của chính bạn
Tinh chỉnh	Chính các tham số của mô hình	Chậm và tốn kém, rồi cố định	Yêu cầu về giọng văn và định dạng ổn định ở quy mô lớn, gần như không bao giờ dành cho một cá nhân

Vượt ra ngoài chữ viết

Đa phương thức

Đa phương thức nghĩa là một mô hình hoạt động được trên nhiều hơn một loại dữ liệu, chẳng hạn chữ cộng với ảnh, âm thanh hoặc video.

Đó là lý do bạn chụp màn hình một lỗi rồi hỏi nó sai ở đâu được. Bài hướng dẫn về AI đa phương thức nói về những gì thật sự dùng tốt hiện nay.

Mô hình thị giác

Mô hình thị giác là một mô hình đọc hiểu được hình ảnh: ảnh chụp, ảnh chụp màn hình, biểu đồ và tài liệu.

Đọc không giống với tạo ra; một mô hình có thể mô tả sơ đồ của bạn hoàn hảo mà vẫn không vẽ nổi một cái.

Tạo ảnh

Tạo ảnh là việc tạo ra ảnh mới từ một mô tả bằng chữ.

Chất lượng, độ đa dạng phong cách và cách hiển thị chữ bên trong ảnh khác nhau rất nhiều giữa các công cụ tạo ảnh, đó là lý do người dùng nghiêm túc so sánh nhiều công cụ. Bài tổng hợp các công cụ tạo ảnh AI tốt nhất luôn cập nhật theo lĩnh vực này.

Mô hình khuếch tán (diffusion)

Mô hình khuếch tán tạo ảnh bằng cách bắt đầu từ nhiễu rồi tinh chỉnh dần từng bước để tiến gần tới mô tả đề ra.

Đây là kỹ thuật chủ đạo đứng sau các công cụ tạo ảnh hiện đại. Từ này chủ yếu quan trọng để khi thấy chữ "diffusion" trong tên một sản phẩm, bạn biết sản phẩm đó làm gì.

Chuyển giọng nói thành văn bản

Chuyển giọng nói thành văn bản là việc phiên âm âm thanh lời nói thành chữ viết.

Công nghệ phiên âm hiện đại đủ chính xác để biến các cuộc họp, ghi âm thoại và phỏng vấn thành thứ tìm kiếm được, và đây cũng là cách nhập liệu bằng giọng nói trong các ứng dụng chat hoạt động.

Chuyển văn bản thành giọng nói

Chuyển văn bản thành giọng nói là việc tạo ra âm thanh lời nói từ chữ viết.

Các hệ thống hiện nay tạo ra giọng nói tự nhiên, giàu cảm xúc, đây chính là công nghệ đứng sau tính năng đọc to và các cuộc trò chuyện bằng giọng nói với AI.

Hệ sinh thái

API

API là cánh cửa lập trình mà các lập trình viên dùng để gửi prompt tới một mô hình từ chính phần mềm của họ.

Giá API được tính theo token, đây chính là gốc rễ của bài toán kinh tế cho từng câu trả lời ở mọi sản phẩm AI.

Trọng số mở (open weights)

Trọng số mở nghĩa là các tham số đã huấn luyện của một mô hình được công bố cho bất kỳ ai tải về và chạy.

Nó cho phép tự lưu trữ và để các nhà cung cấp khác phục vụ mô hình đó trên hạ tầng của riêng họ. DeepSeek và Llama là những ví dụ nổi tiếng.

Mô hình mã nguồn mở

Mô hình mã nguồn mở, nói nôm na, là một mô hình được phát hành cho công chúng dùng và chỉnh sửa, dù giấy phép khác nhau rất nhiều.

Câu hỏi thực tế luôn chỉ có hai: bạn dùng được cho mục đích thương mại không, và ai đang lưu trữ nó giúp bạn. Hệ sinh thái trọng số mở quan trọng nhất khi quyền riêng tư hay chi phí loại các mô hình chủ lực được lưu trữ sẵn ra khỏi lựa chọn.

Benchmark (bài đo chuẩn)

Benchmark là một bài kiểm tra chuẩn dùng để chấm điểm và so sánh các mô hình.

Hữu ích cho một lượt đánh giá đầu tiên, nhưng thường bị tiếp thị lạm dụng quá đà. Một mô hình đứng đầu benchmark vẫn có thể thua trên công việc thật của bạn, đó là lý do tự chạy so sánh ba việc thật đáng tin hơn đọc biểu đồ.

Tác nhân (agent)

Tác nhân là một hệ thống AI tự thực hiện các hành động theo từng bước để tiến tới một mục tiêu, thay vì chỉ trả lời một lần.

Đặt chỗ, nghiên cứu, viết mã và gửi yêu cầu hỗ trợ là địa hạt của tác nhân. Năng lực này là có thật và đang cải thiện nhanh; nhu cầu rà soát lại việc một tác nhân đã làm trước khi nó gây hậu quả cũng tăng nhanh không kém.

Dùng công cụ (tool use)

Dùng công cụ, hay gọi hàm (function calling), là việc một mô hình gọi tới các năng lực bên ngoài như tìm kiếm, máy tính, mã lệnh hay lịch của bạn.

Đây là cách các trợ lý chat hành động lên thế giới thay vì chỉ mô tả nó, và cũng là cơ chế nằm bên dưới các tác nhân.

Mô hình suy luận

Mô hình suy luận là loại mô hình bỏ thêm tính toán để suy nghĩ kỹ về một bài toán ở bên trong trước khi trả lời.

Sự đánh đổi là thời gian và chi phí để lấy độ chính xác trên các bài toán khó. Với câu hỏi đơn giản, phần suy nghĩ thêm đó chẳng mang lại gì, đây là một lý do nữa để đổi mô hình theo từng việc.

Độ trễ

Độ trễ là khoảng thời gian bạn phải chờ giữa lúc gửi một prompt và lúc câu trả lời tới hoặc bắt đầu hiện ra.

Nó thay đổi tùy kích cỡ mô hình, tải hệ thống, và việc mô hình đó có phải mô hình suy luận hay không. Với công việc cần tương tác nhanh, một mô hình nhanh và đủ tốt thường thắng một mô hình chậm mà xuất sắc.

Giới hạn tốc độ (rate limit)

Giới hạn tốc độ là mức trần mà một nhà cung cấp đặt cho số yêu cầu hoặc số token bạn có thể dùng trong một khung thời gian.

Chạm tới giới hạn này thường là lý do một sản phẩm chat bảo bạn chờ hoặc nâng cấp gói. Giới hạn số tin nhắn trên các gói đăng ký chính là rate limit khoác một cái tên thân thiện hơn.

Giữ cho bảng thuật ngữ này luôn hữu ích

Thuật ngữ trong lĩnh vực này cũ đi rất nhanh. Trang này được duy trì như một tài liệu tra cứu: các mục được viết lại khi cách dùng thay đổi, còn các bài hướng dẫn chuyên sâu được liên kết mang phần chi tiết không vừa trong một định nghĩa.

Nếu một từ bạn gặp ngoài đời không có ở đây, cách nhanh nhất là dán câu bạn tìm thấy nó vào một mô hình đủ mạnh và hỏi định nghĩa trong đúng ngữ cảnh đó. Trong Whizi, bạn hỏi được hai mô hình cùng lúc và để ý khi chúng bất đồng với nhau, mà với các từ chuyên ngành mới, chuyện đó xảy ra thường xuyên đến bất ngờ.