为什么长对话越聊越便宜？前缀缓存原理：命中条件、多轮对话自动命中、KV cache 复用，缓存价低 100 倍以上

视觉编码器把图片切成 patch 变成视觉 token，再投影到与文字相同的向量空间。图像/视频/PDF 各怎么读？一篇讲透