モデル は、機械学習 の 学習によってできあがる成果物 です。入力を与えると、学んだ規則にもとづいて答え（予測や生成）を返す、いわば「学んだ頭脳」にあたります。
モデルの中身は、数式と大量のパラメータ（ニューラルネットワーク なら「重み」）です。学習の段階で、このパラメータがデータに合わせて調整され、その結果がモデルとして保存されます。
- 学習 … データからモデルを作る（学習と推論）。
- 推論 … できたモデルを使い、新しい入力に答える。
いったんモデルができれば、繰り返し使えます。私たちがAIサービスに質問して答えを得るとき、動いているのは学習済みモデルによる推論です。
近年の 大規模言語モデル（LLM） は、パラメータが数千億にも及ぶ、巨大なモデルです。学習には莫大な計算資源がかかりますが、公開された学習済みモデルを土台に、少ないデータで特定用途へ仕立て直す ファインチューニング という手法もあります。ゼロから作らずに、既存のモデルを活かすのが、実務では一般的です。