（来源：上观新闻）
” 自变量创始人🚹王潜在🕹🎼发布会上，用🐴一个再普通☎不过的早晨场景，ℹ🔌揭开了💮行业光🦎🥎鲜表象下的真实现🛸🍿状： 拖鞋不知🗨踢到哪里，厨🈹🧘♀️房的碗还没🥿👳洗，孩📎子的书🇬🇪包扔在地🖤‼上，猫打翻了一🌇杯水…… 这些📎对人类🚈来说几乎不构📬成挑战的🕜碎片任务，对当前⛹️♀️所有机器人而言🦑，却是不🎍💈可能完成的任务🍢🚇。任务规🗽则非常严格：给A🛌I一篇论文、一个😚配有GPU😁🌪的空白Doc🎌ker容器和2🛎🌓4小时时间，不能🇯🇵使用作者💴👙的原始代🚴🎭码，必🍀⌛须自己从零开始1️⃣🕒搭建、运行并🐚🕘得出与论🇦🇮🗂文匹配的实🎮验结果🚤。
我们观察到一些🕢👩模型做出了次优🎮的设计选择🇼🇸🖕，最终需要消🛹📶耗大量令牌才能🚽进行优化☣。论文中，De🕶🌈epSeek🕰表示： De🤛epSeek-🏏V4-P✏ro-Max在标🐁📳准推理benc🤴hmark上优🔊于GPT-5.2👨🏭🙈和Gemi🇹🇹😉ni-3.0👁️🗨️🔏-Pro😓🥜，但略落后😂🇳🇬于GP🇭🇺🚖T-5.4和Ge🐪🇸🇹mini-3🇦🇺.1-Pro😞。结合数字孪生领📴域的Sim2Re🧛♂️⏭al（虚实迁🐑♻移）技术，这🛡一闭环数据体🇧🇻系能显著降🕞📼低对昂贵实测数据🕯的依赖，从🌟🦆而以远低于🇵🇭🏚同行的2️⃣🌶成本，训练出既能🦉应对复杂🏨📵恶劣环境又具备高🕧🐦度智能⏲的垂直场景💣专用大模型🤜🔢。
