（来源：上观新闻）
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🧫🚣。这个基准出🕶🇪🇺了名地难——此👩🥉前最好的🇪🇨AI系统😶💬只能完成约💉21%的评分要求🚴♀️，而顶尖的机器学🌋☮习博士🍧生在48😢〽小时内能完成约🏺41%👢。
在实际测试中🐢🌤，研究团队独立🥑运行了1🇬🇮🍛0次能🚑🇮🇨力分析，🎩💱"结构化数据👥🙎♂️推理"、"多步骤🏁任务完成"🇩🇪😰和"前提条件🤲🇧🇬验证"三种能力😊每次都被稳👜🇸🇨定识别，"工具调🚿用精确性"在10🆕↘次中被识别到8次🅾➗。在客服场景里，"💏找到正确的客户💮记录"是一种能力😫🏸，"检查退🔍🧗♀️款政策是🛡🕛否允许某项操作"🇨🇵是另一种能力，🦅"在用户提出多个🈁请求时全☔部逐一处理完毕"🇰🇵又是第三种🐼💃能力👦。
“目前使用下来最👨🎓🏴大的感受就是🤽♀️🇮🇨，当你发出一🤢个任务之后，就🏋️♀️算没有执🌅🖼行完，🇱🇺👄它也会想尽🙃👰办法给你执行🤑，并且给你↘回复😲。TPU 8t的单🍒🥑位功耗性能较上一💪🇹🇳代提升🇦🇽了124%👧🤛，而TPU🎨🇿🇼 8i则实现了🌱117👨👦👦%的提升🇩🇬。
