据悉，盘古大模型采用了深度学习和自然语言处理技术，并使用了大量的中文语料库进行训练。该模型拥有超过1千亿个参数，可以支持多种自然语言处理任务，包括文本生成、文本分类、问答系统等等。
其中，盘古NLP大模型是被认为最接近人类中文理解能力的AI大模型。其首次使用Encoder-Decoder架构，兼顾NLP大模型的理解能力和生成能力，保证了模型在不同系统中的嵌入灵活性。下游应用中，仅需少量样本和可学习参数即可完成千亿规模大模型的快速微调和下游适配。
盘古CV大模型首次兼顾了图像判别与生成能力，能同时满足底层图像处理与高层语义的理解需求。基于模型大小和运行速度需求，自适应抽取不同规模模型，AI应用开发快速落地。使用层次化语义对齐和语义调整算法，在浅层特征上获得了更好的可分离性，使小样本学习的能力获得了显著提升，达到业界第一。
盘古气象大模型，气象预报精度首次超过传统数值方法，速度提升1000倍
盘古气象大模型提供秒级天气预报，例如重力势、湿度、风速、温度，气压等变量的1小时-7天预测。借助创新的3DEST网络结构以及分层时间聚合算法，盘古气象大模型在气象预报的关键要素和常用时间范围上(从一个小时到一周)精度均超过当前最先进的预报方法，同时速度相比传统方法提升1000倍以上。
