（来源：上观新闻）
”他判断🔥🔂。Codef😂orces🇱🇹 ratin🇧🇻🔶g 3206，⌚超过了GPT-🕌🦃5.4的3168♒🕚和Gemini🕑-3.1-6️⃣⛱Pro的30‼52，🇲🇫在人类选手榜🧻🇦🇺单上排名第23📷🇱🇹。我们观察到一些模🏸型做出了次优🦅的设计选择，最❤🧟♀️终需要消🇨🇾耗大量🍵🇰🇲令牌才能进行🇭🇹🦊优化🇬🇵〰。他们随机抽取🎞🚶♀️了20🕦0道题目🇩🇲🗂，让AI多次🇭🇰尝试每道题🍱，用实际答⛹️♀️😥对率作为"真实🖱🇭🇺难度"的🎿衡量标准，再与⚱🇹🇰价值模型的预🌝🇲🇭测值做对🇭🇺🐂比🤷♂️。
第一条，⛎百万token🇪🇬上下文全📋🥫面开源，KV 🧥cache大💭❓幅缩减🔄。当然，这个系统🔘🚵离人类顶尖研究🔦人员的🍀水平还有距离—🇺🇲😡—在PaperB🧟♂️✌ench上，顶尖🤹♀️🅱机器学🦢习博士👩👦👦生在48小时⏳内能完成约41%🍾的评分🥩要求，而AI科学🔧家目前达到的是约♊🚪33.73%📠👹。85人的内🌈🐖部开发者调🥏🖍研里，9🇰🇳♍1%表示V4-🤦♀️🧰Pro🍕🇨🇲可以作为主力c🌇📅odi💦⏬ng模型🇳🇴🔧。
而消费者只有☺🔑在东方甄选的自🦹♂️👮建App才📢能购买会员、🏩享受会员价格以及🚲🇧🇴蜘蛛是怎么形成的积分兑换等服务⚔🥼。研究团队认为，自🧫🇲🇨主长周期机器🥞🐙学习研🌨🚴♀️究工程本质上🎭是一个**🍠系统协调问题🗂❎**，🚐🏊♀️而不仅仅🤹♂️是一个**局🇦🇶部推理😫问题**🍐。
