（来源：上观新闻）
更巧妙的是，练🎙💳习题的难度被刻🌝意调整到一❄🇹🇿个"甜蜜区"⚾🥕——基础模型大🕺约有30%到60⛳%的概率能😶🔬答对🏥。过去，训📥练一个70亿参🆖数的推理模型需要🌑💞同时加载一个同等👨👦👦大小的打分员，内🥢📐存压力极大；而⏸SPPO允许用一👐🕞个小十倍的模型担🇲🇵任价值预💬🧬测者，让更多🦓🚻研究者能够在有🤞🐈限的计算资源下🇨🇿开展实验🍗🍷。
十几个ex🇹🇩🧙♀️pert通💦过on🇰🇬💐-policy 🤖🏴distilla↕☎tio👏n合进一个统一🇰🇮的studen💶t🖤。与Ope🐥nClaw不同的🙈是，Herm🍘🚖es多长了“脑🍔🗻子”，主打自我🇷🇴进化，这也是🚒其迅速🐻走红的主要原因🧒。
如果只看激🍖活参数量🌰👩🎨，这是目前效🏂🏊率最极致🤓🇮🇨的推理模型🔣👵之一🤦♀️🔳。可到了☮202🦵5年底，成本🔦最低也要📄🚮50万🇰🇿🇾🇹到100万，🚮好演员要🕹👨❤️👨提前三到六个🥩月去约🦖🕕。
