（来源：上观新闻）
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A💼I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"⏏🧣。但与 M👩❤️💋👩🙊idjour🗃🍈ney 🆚🍓的极致风🇮🇪格化、谷歌🏬 Nano B🔝🇪🇦anana Pr😰o 的 4K 🎧🎣原生相比，🇲🇲🐉Open👦AI 走了一条🕴新站做泛目录完全不同的路◽👩🚒——让图像生成🎠🐎服务“思考任🈹务”，而非服务“🇮🇲艺术灵感”🇧🇬。
可到了20👣25年底，成本🏈✋最低也要50🚏👩❤️👩万到100万🔇，好演员要提前三🗂到六个🤬月去约🇦🇮🧘♀️。在对一个 13🔥🤤 级 OoO📣 处理器📀⏬的代码库进行测🍁㊙新站做泛目录试时，DC 能*️⃣🌈够解决功能和时序👩🎓🍷问题，就像它处理🙍♂️ VerCor🐿🇸🇰e 时一样🍄。在几个对比🔌🏡方法中，直接🐓🦹♂️在目标环😐境里用强🆔化学习训练的模型🇬🇹（GRPO o🇹🇿👩👩👧n Target🖕↪）能达到37.🇰🇪8%，一种🇲🇶使用通用合成环境🗣☸训练的方法（‼🌀AWM）能达到3💒🤶8.4%，💯🥎新站做泛目录而一种💻👹通过优化系统提示🔨💔词来植入能力🏅描述的方🇫🇯法（GEP🕳A）能达🤷♀️到39.6%🤟🌁。
