（来源：上观新闻）
姚双告诉记🛑者，未来💨OPC将告别⏱🇨🇿单兵作战，以🥊🔅集群式单🐇位承接更大业🇵🇪🇬🇭务🚖。只有一小撮🇸🇿🐩人认为，这🌿🥛类题材适⚽合AI创作💳。鉴于这些原因，我♉🧷们认为由经🍕验丰富的架构🇩🇪🐱师指导诸如🐷 DC 之🌊🇩🇬类的系👫🎑统仍然🤵💏至关重要🎩⏩。这印证了"尾部🤓效应"的危害—🕒🇹🇱—错误✝的训练信🔲号不仅😼🇲🇰没有帮🚊助，反而起🇵🇦🐠到了负面作用↗。
论文中，👁🎓Deep🇸🇳Seek🇸🇱表示： D💂🧔eepSeek-🍭❌V4-Pr🦋o-Max在标🔜🍽准推理benc🏐👩💻hmark❗上优于👨🦳😽GPT-5🥦.2和Gem♦ini🇽🇰💖-3.0-P🔧ro，但略落后🎓🦄于GP💂☦T-5.🐳4和Gemin🇹🇷i-3.1-🇵🇷Pro🤭。显卡内存📁占用也从标准🤵配置的9👨👨👦👩👩👦1.5%下降🇬🇦🔘到78.7📘👩👩👦%，降幅超过1🚪🧒2个百分点🇷🇼👙。DC 实际上🤥🔛重新发现🤗了原始 MI⚰👲PS 🦁5 级 RI🐹SC 👺🇳🇨CPU🎋 设计的关键路径☁🇹🇦，该设计也采用了🇨🇮 1 个周期🔓🔸的分支👨👨👧👧惩罚！ 🐟🔭5. 前沿模型⏹🐹的经验教训 我😗们在下文◽🇽🇰列举了我们在这项🛹🐻工作中遇到📯的一些“🇮🇷🎢LLM🗄 难题”🚋。
想法很优雅，🧑相当于给残差🚊👨❤️💋👨流增加了🐁🤝一个新的s🙅♂️cali🎼ng维度⚱。随后，这些区🚌🔢域特征被送🇨🇿🇸🇨入一个"退化🆚🇵🇭解码器"🔡🚏。对比V3🙊仅用1🇦🇽4.8T 🍁🆕Token训练🕤，V4-F🎖🇹🇩lash 与 🏘💉V4-Pr💃⚔o 的数据消耗量🥣分别达到🐮🎅了32T和33🇳🇬🐝T🏴☠️。根据日本石🎧🎮化工业协会🧩📷的数据，日🦏本约6🕸🚊0%的石脑油👩㊙依赖进🔚🍜口，约4📎0%来📼自于中东地区🌼📹，其余40%由🦴国内炼厂💋😹生产🤒。
