（来源：上观新闻）
最后，💺🇮🇳也是研🇲🇭究者认为最🚶♀️📶影响实💴🇧🇾际采用率的贡🎯🆒献，是零摩🙏擦自动8️⃣认知流水线☸😅。作为一家🍳蜘蛛识别扫一扫坚持开源路线的模⚙🔹型公司，Deep🤚Seek天然缺🍭乏类似Ope😀nAI🧒🇸🇻那样的闭环商业🌒👩🦱能力，🐛也没有🔼谷歌或亚马逊那♊💏样可以内🇵🇾👹部消化模型🦹♂️🇺🇿成本的云计算体系🐠，更没🌥🇮🇴有腾讯🤓、阿里、👪字节等大🐳🧙♂️厂那样完备的商业🇮🇳🇱🇺生态，开源意🕦🚟味着更🍠强的影响力和更快📊😒的扩散速度，但也🤖意味着更📚薄的利润空间🤾♂️和更高的成本敏🧙♂️感度👜。
在LoCoMo基⭕🥭准测试上（⏳🍌该基准由来自🚩🧝♂️麻省大学等机构〽🧴的研究者于2🤽♀️024年AC✍L会议发🎎表，专门评测LL🤗🕹M代理的超长期🇹🇩对话记忆，👨🏫全称是E🇸🇲🚽valuat📪👨👩👧ing Ver🔝y Long🆙-term Co🧛♂️🇱🇨nve🎇rsatio🙅♂️💅nal M🌊⛴emory 🔡🇹🇭of LLM ☃🍴Agents），🤼♀️🇵🇷研究者取了🔹🦀10个对话中的2🇳🇨🛁个，摄入了158🇲🇿5条事实，生成🏖👠304👩👩👧对问答对，🤽♀️用Azure🦹♀️🇳🇦的GPT🧨-5.4💕-mi🦸♂️🇦🇩ni作为评判模🔨🗞型，以Li🦏kert量表1🇰🇵-5分👻、≥4🧥分算正确的方式🏃♀️🇲🇽打分🇳🇿👴。
GLM-5.1🥣、Qwe🧟♂️💘n3.6-Plu🍈s和Gemini🇺🇾🚙-3.🈸🗞1-Pro在同一🍺🔞个水平☔🆑，其他🇹🇱四家略逊一😄🇪🇺筹🚔🎛。但长期而言，通用👨⚖️模型易🍞👨💼同质化，金🎴融、医8️⃣📂疗、法律✳等垂直场🎂😮蜘蛛识别扫一扫景的深度学习模型📿，专业壁♍👨👩👧👦垒不是集中聚合📂🎫就能抹🐝🥧平的🧳🇪🇷。在LoCo🌞🧝♂️Mo基😎准测试上（🧧该基准由来自麻🚬省大学等机构的研😂究者于202♓4年A🥦🌜CL会议发表，📷专门评测LLM代🍚理的超长期对🌓💌话记忆，🙆♂️🥦全称是Eval🇪🇸uating 🖌Ver🙅♂️😰y Long-t⛪⬅蜘蛛识别扫一扫erm🇹🇿 Con🧣🔦versa🦸♀️↖tional 🥈Memo💥ry o😐f LLM Ag🇳🇫🍈ents）🇱🇧👃，研究者取了🇵🇷👨🚒10个对👙话中的2个，摄入🌊💧了1585🦂🏦条事实，生成🇦🇿✊304对问答对，📜🥒用Azur🇧🇳🈳e的GPT🥼👊-5.🇸🇷4-m🕹🐋ini作为评判模🤦♀️型，以L🍭🈁ikert📼量表1-5分、≥💊🌧4分算正确的💪📍方式打分🛋。
