（来源：上观新闻）
在商业🇮🇲模式上🇺🇿，自变量也没有走📕🇱🇾传统的“卖硬件”🇦🇷路线，而🎉是更接近服务订🇺🇿阅模式📆🚔。DeepS🦉eek-🍱V4：2026年🥽🔩4月24日🚶🇷🇴。过去的图像生成模🕍🇧🇶型，本质🇱🇮😱是“黑🦐箱抽卡🇨🇴”：输入一句英🔚文，模型直接😾💇♂️吐出一张图🥬。Vahdat🕢🏞还指出，↪对于当🤞今的数据🥡♏中心来说，制约因👨🍳😒素不仅🇵🇷是芯片👩🎓供应，还有电力👩❤️💋👩瓶颈🛍。
通过剔除冗🚤余设计，在特📶定场景中🇫🇯👅将产品做到🧱🎌极致可🥂靠、成本最优🕎，是公司认定🚆🌇的跨越🧖♀️商业化🧦🖱“最后一🇹🇩🚓公里”的正😽道🧱💻。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 on👎 Tar🏨get）🇩🇪能达到37.🇹🇫8%，一种使🐧✡用通用👩🔬合成环境训🇨🇳练的方法（A🇬🇱WM）能达🔶到38.🕉🚑4%，而一种通过🇦🇬优化系统🚥📢提示词来植⏱入能力描述的方🇳🇴法（GEPA）🧻🧁能达到👩🔧🧞♀️39.🚍🇦🇿6%👨🚀👛。
而具身🛫🥓智能或许会让我☑们意识到——🌰🈯真实的陪伴与物🇲🇵🍏理上的分担，从此👩⚕️不再只依赖🆚人类自身🌰。此前的迭代代📭🦡理系统👜尽管比Ba🥼🍊sicAgen🆓🏠t多了更多交互🏝轮次，🤞却仍然远不如A📸I科学家（甚至不🇾🇹📶如去掉文件🔖🇱🇺通道的AI科学家🚻），进一步印证了☮能给谷歌加速的软件"更多交互"和🇦🇱"在积累状态上👨👧👧💡的持续推进"是两🚳件完全不同的事🇦🇶。GEPA则🇸🇧🤼♂️在较早的阶段就🎮👏趋于平缓，最终🕌😹停留在39.6🚌🖤%💻。
