（来源：上观新闻）
闭源大厂追求的是🔗能力上限，😗谁家的模型能🇧🇪在HL🔅E上拿更🔥🇧🇪高分🚟。这种高度稳😲定的识别结果🇧🇧，验证了对😚比分析方法🗓的可靠性🥥。AI科学家在使🆒用Gemin🇦🇨i-3-🐹Fla🇦🇪📆sh作为底👨💻🦅层语言模型时，🌽平均得🧮分达到30.52🇰🇷分，比同条件下🌹😸最强的🇬🇷👃基线系统高出9⛵.92分；使🧜♂️用GLM-5时，🔩🇸🇯平均得分达到3🐙💇3.73🐮🧜♂️分，比最强基🚍🌩线高出11.🐏15分🐍👩🚀。微软周四向数🧥千名长期🇲🇻员工提供了一次🤟🚱性的提👪📜前退休买断🇬🇷🐮方案，🏹而谷歌也🇲🇶已在部分组织中向🕠员工提供了类似安🇹🇱🇲🇱排🎎🅿。此前表现相©对较好的⛔🇺🇳"迭代代理👨👨👦👦🧓"系统🚚🇪🇷（Ite🤰rativeA📌gen🇲🇨t）在🌩👨⚕️Gemin💯i-3🍥-Fla🇰🇾🏃sh下每个任务平🛂🏺均花费27🌎.44美元，而A🇱🇧☢I科学家只需🤾♀️🕷15.67美🦞🍭元，却能🇪🇦取得更🇧🇱高的分数🍙🍚。
整个流🇰🇪🀄程从图🇱🇷像的特征提取👩⚖️🌀开始🌆🔍。PAND🌅🛶A 展现出了💲🍰最小的性能🏴下降幅❕✍度，而部🚌分商业大模🇪🇪⏯型在 Hard🙋♂️🚸 级别的🍠严重程度分🔛🙅类任务上甚至🌛下滑到了👴👼低于随机猜🇬🇼🤹♂️测水平🤾♂️的表现——这说👎明在面对复杂混合🇵🇾🏌️♀️失真场景时，这🙉💶些模型🇨🇼👜完全"迷🇹🇦🦠失方向🇷🇼🌚"，只能靠🐫"惯性🇱🇸🦚"输出一些听⏺◼起来像样🛒🕓但实际上随机的🇻🇦🇮🇱答案🕟📝。这个难🗂🆎度设定是为了🐬配合后🥄续的强化学习训🕍练机制🇫🇲。可到了2🇸🇧🚝025年🦓👩✈️底，成本最低也🏍😎要501️⃣🌮万到100🚬🎠万，好演♥🙀员要提前三🔟🧛♂️到六个🇨🇰🐺月去约🇺🇳。谈到 Thus 🍐与现有芯片的区🎼别时，安▶🇵🇬克 CE🌅O 阳萌🇫🇰说：“🗞泛站群程序到目前为止🏌🍂，所有 📚🔊AI 芯片都是一🌄边存模型，一边😱🧱做计算🕶。
