（来源：上观新闻）
对比V3仅用14🚴🇰🇾.8T👨⚕️🤯 Toke🦇👴n训练🇲🇰，V4-Fla🤤🇺🇬sh 与📸 V4-🎒🇱🇷Pro 的数据消🤷♀️🇨🇭耗量分别达🇮🇷🛍到了32♐T和33T😓✖。LM Ar🇽🇰🇸🇭ena 最新⛏💡榜单上⛷，GPT-🤧😥Image-🇮🇶🐶2 以 151💎🇸🇷2 分登顶👩🎓，领先第🐩🧪二名 242 分🌌，评测机构🥣💹直言“这是一次代🥒差级别🔙的碾压”🍼。
根据规🇺🇸🧟♀️范中的🐤🕴这一条🧙♂️🥀款，DC 会🕍🕵️♀️在其测试平台中使🇳🇺🐦用循环计🎅🔭数器来计算 Sp🤫ike 🥗👩👩👧跟踪中报告⏸的每个 PC 的⬆循环次数，从而估🤯🇸🇳算 CP👨👧👦I🥞🥟。第二步，li👫ghtning😺 ind🌍exer + t🤡op-k选择🍭。既不漏细节，🤖也不被细节拖住🇲🇭🌅。
值得思考的是，🕧随着这类系统🎖🇸🇦的能力不断提升⏫，科研流程的👨👦👦😋加速和💧🇻🇦民主化可能比我们🇦🇼预期的更快到来—🇧🇦🤵—不仅是顶尖📲🚙机构，🌲普通研👩👦👨⚖️究者也可能借🍫⏫助类似的系统，➗以更低的成本完🇦🇷sem投放成更高质量的实📓👩🦱验性研究工作👳。但是今🇳🇷年1月，特斯拉🐡无视这一投票结果🌺🙉，表示将向✨xAI投入2🙄2️⃣0亿美元🗄。
