（来源：上观新闻）
AI科🇻🇳学家在使🧬用Gem📑ini-3-Fl🧞♀️ash作为底🎩层语言模型📄时，平均得分💿🔩达到30.✂52分⚖，比同条件下最🚽🌺强的基🇼🇫😚线系统高👹📷出9.92分；🥕🇵🇸使用G🌷🇨🇼网络书源LM-5时，平👨👨👧👦🇹🇬均得分达到33.🚬73分，比最强基📤线高出🇭🇹🇩🇰11.1📁5分🇸🇿。谷歌高级副🧙♂️😕总裁兼AI与基🔢础设施首席技🖐术官A🇳🇵min V🥄ahdat表示，🦗🦸♂️随着AI智能↔体的兴起，"业界🇸🇰将受益于针对🇹🇴🇧🇩训练和推理各自需🐩求专门优化🗼🥌的芯片"👢🔴。
默认配置使🦔用 DINOv2🤦♀️（小型版本，Vi⏳网络书源T-s🎪⏏，384维特征🙎♂️），研⛄究团队还测试了🛴👨 DINOv2🧠（基础版本，V🌔iT-b，768🅿🌨维特征）🇧🇯🌏和 SigL😜🍰IP（768维🥚）的效果🚶♀️🆗。而且一旦🥮🇱🇦某个AI的"记🏯忆窗口"装满了，⛽之前的信息就会🎹被丢弃，再➰🚬也无法追溯🧀🇺🇬。
然而，更多✔🧖♂️潜在的设计由🛏于产量太低，根本🕵🌞不值得🙉🌼专门开发芯片🛸。AI必👜🧂须在这种模糊的▶🍓反馈中👐做出合理的🗃判断📢⛹️♀️。2026年已☕🤮被行业普遍视为🇲🇺人形机器人走向日🥰常场景的商业化☦元年🤞🇼🇫。Ope🐡🇺🇦nCla🇺🇦w更接近一▶🎗种全量记录式🤽♀️架构，🤝👶记忆策💏🛫略是被动的🚗🧗♂️。先说Hy🧟♀️per-C🐢🤪onnect🇷🇺5️⃣ions（HC）🦛，这是Kimi🍢团队之前提👹出的想法🇧🇻。尖端芯片🙇😈的设计流🆓💶程包含🇫🇲🚨许多不同的🍑步骤，每个🉑💕步骤的耗🇬🇹⚪费量都堪比一个😔大型软件项🤣目🐓🎈。
