（来源：上观新闻）
AI必须像一⬆🙉个经验丰富的工程🚴🇬🇱师一样，从不完整🔋🇧🇫的描述中推断出🙂🧀缺失的🚴决策，必要🇫🇯时还得查阅🦈相关文献😡👤或公开资源来补🍾🚱全🌪。” 从😴😶架构层面看🚾🚍，它并非🅱👳基于 ♾️💴GPT-4o 😎🇨🇬的图像管↔🔀线修补，而🇲🇱是从零搭建的独🚗立架构，📞专门为“推理🎦🇰🇮+生成”👝🇸🇩联合优化🇪🇷。过去作为🕣🥜产品经理，只需对🇹🇳接团队、提出需求🕓，背后有数🚣↗百人技术👩💻中台支撑🦞🧭；如今借助AI工💹具，他可以直🥽接完成原型💚🧑制作、内😳😽容生成，再联合⚱⚫技术伙伴做😮深度开📌❓发➰。第二，底🥥🚦部抗反射👱♀️🎎涂层，用于减少👩💻光刻过程中的反🇸🇯👱射现象，❤提高图案精度🏬。言语间🔸🏠都是旧相识，谈笑🧵🥑着邀约夜晚🥡🌤的私下聚会：“♏都是老朋友，👾每年都来，聚一下🦈🇨🇻。
分析过程分为两❣个阶段：先是"发🇰🇪现阶段"，🐜分析AI通过🇸🇻检查所有记录🇸🇩👱♀️中的工具调用✖、工具返回结果和🌷🇦🇱最终回复，归纳出🧁一份候选能力🔳😵清单，并👸⏺为每种能力🏄起一个固定名🇲🇫称和描述；然后是🎑"标注阶段"，🍐🇵🇾分析AI拿着🎣👱这份清单，逐一检📮😔查每条任务记♻录，判断每种🇱🇮🍞能力在这条🎶记录中是"不需要👩🎤🇹🇱"、"已正🇱🇸确执行"还是😨"本应执👨👨👦👦行却没有执行"⛹。但这份🇵🇸名单把他们的🎷⚽名字和V4这个大👨👨👧📖家等了🧔🐖整整一年多的模型⏏🗡，绑在了🏖同一张纸上🇮🇱🐑。一套看似优😡✂雅的后训🐸练方法🐽论，背后是一堆「📤不这样做就装不下🎯🏺」的工程妥协🧲😳。听起来🤘贵，但🤟DeepSee🛳k做了fus🈹🚈ed 🏅✊kernel，‼🎤再配合🥇选择性reco🤨👨🎨mpu👶🥂tation，实🥪🚣♀️测mHC带来的w✏🙍♂️all-ti🇬🇮me开销控👨⚕️制在over🇸🇿lapp📊ed pip🖇eline的🏡💘6.7%⛲。
