（来源：上观新闻）
CSA🌞做两件事，👩👧🤛先压缩❔，再稀😓疏选择🌃。在PaperB✔🤴enc🎈🦘h上，🌙平均分下降🍔了6.41分🔘🌔；在MLE-Be😢🇰🇼nch L☘ite🎿上，任意奖牌率下🇲🇶降了3🕘👷1.82个百分点🇲🇹📭。为支持并推🌨🤬动这一增长，公🎸📁司预计到2026🔂年，略高于一半👉的机器学习算力😤投资额将被👢🥊投入到云业👔🇻🇦务，以更好地服🇦🇹🎰务云端客🔝引蜘蛛秒收平台户和合作伙伴✌。
论文中♦，DeepSe◼ek表示： De🍞epSeek-😒🥈V4-Pr🛰o-Ma🐵📞x在标准推理b👮enchmar🥊k上优于G🎷PT-5.📰🤒2和Gem🐣ini⛹️♀️🏴-3.0-Pro🇰🇵🚩，但略落后于🇰🇾🗺GPT-5.💲🇿🇦4和G📬emini-🦒🔘3.1-Pr🤒🌗o✉。
但这个差距🇧🇴🎉已经比之前任何A🛎I系统小得多，而🇺🇿🧬且研究团🔐队在这个方向🇬🇹上的设🦜🇺🇿计思路，为进一🇬🇶步缩小这一差距提🇷🇺供了一个清🇩🇰晰可扩🥙展的框架🛢🇲🇱。我们认👷♀️🧒为这是由于 LL🔬🍋M 的预训练和后🎱训练中都存在📗大量软件代码🆖🧖♀️造成的🇻🇬。研究团⚠😸队将AI科学🇹🇱家与非层级化的😝🔺简单代理（在Pa🗨💌per💸Ben🎅ch上对应Bas✴icA🇱🇻gent，在M🇧🇭♿LE-🇸🇷🇦🇲Bench 🇯🇵💧Lite上对🇨🇲🚙应AIDE）🚱进行比较，发🦁现即使是去掉文🎑件即通道机制的"👩💻残缺版"AI科学👺👀家，在Pap🇹🇱erBe📏nch👨👨👦👦😅上仍比Basic🇮🇸Agen🔶🈲t高出4.74🤓😗分，在M🖍LE-Benc🉐h Lite上的👩🏫🌳"高于中位数📪🍴率"和任意奖🏏牌率也❌🐪分别高🚾出22.73🇱🇰和9.09个◼百分点🇲🇶🥝。
