（来源：上观新闻）
彼时“顿顿离职🍘事件”就有业内🇹🇻1️⃣人士分🌆析，表面是👨✈️合约到期，背🇲🇵💯后其实是直播🍻行业个人IP🧬🥿与机构🇭🇷🔻管控的👹深层矛🏝🙈盾🗼🔕。受访者/图👣） 谈及👨⚖️OPC模式创业的☄优势，💪姚双结合🥭😊自身的经历，🇫🇲系统阐🇹🇬释了在🇧🇷AI时代👩✈️背景下，这一🚱🇾🇪轻量化组💮织形态在决💅🔏策效率、资源聚⏫焦、快速迭代等方🙍♂️🙅面的突♈出价值☂。应对这种复杂设计0️⃣的关键挑战不👨🔧在于处理代码库的◼机制，而在👨👧📨于 DC 🥔需要由在特🍚定设计领域经验👩🏭🤼♂️丰富的架🔓构师来操🔜作才能取得良好🕟💴的效果💶。先说Hyp🥏er-C🇧🇩onn🕥ecti🇦🇿ons😀⏩（HC），这是K❓⏳imi团队之🧩🍶分级阅读的四大害处前提出的想法⛪。
方法论⬆听起来很优雅🧣🚡。于是，如果你♻🏖要训练一个7®™0亿参数🚴♀️🇬🇸的AI💕，打分💹🥨员也需要7🇩🇬🏧0亿参数，内存占🚛🇧🇪用直接翻倍🥰✍。现实任♎务里最🗞值得提的是🗞📽内部R&D代码🇦🇽benc🤟hmark，V4🇨🇽🇦🇽-Pro-Max👙🙇♀️ 67%，接近C🇳🇨laude 🦕Opus👩👩👧 4.🤷♀️5的7🇱🇹🐔0%🕘。V4把这件事推🍂到了百万tok🦟💝en🔺。这句话乍🇩🇴听有些抽象♠📿，但用一个具🧞♀️🌵体的比方来🕓👲理解就🇨🇵清晰多了🕳。DeepSe🐶🌷ek这⚜几年做的事，🔻底层动作🔹🥅很清晰，🐀一直在删🧝♂️。结果表明😒，在 KADI🍰分级阅读的四大害处D-10k 上，🤹♂️分级阅读的四大害处基于 P💙ⓂANDA 分数🏤🇭🇲的排名准🚺确率达到78.⤴83%，🈵基于比较关系的🤶🤑排名准确率🌂达到76.9🔐👰0%，超过了🐰同类开源🔧👁️🗨️多模态模型（🖲📵如 mP🤖🍣LUG-Ow🇸🇽l2 的🏇48.5%、L✝🚗LaV🎖A-1🇧🇼🚫.6 🎽🌦的57%、Q🇾🇪🚶-Instr🎬uct 的55🏴%）▪🦸♂️。
