（来源：上观新闻）
Muon优化器🥍🍐：从Kimi那🍐🛍边借的♏💩。但随着模型深🙃💴度和参数量8️⃣🤽♂️继续往上推，💺这种补丁会变成↪☔刚需🌓♋。以前是🇲🇷📭谁更新🔠🇧🇫了就去🤹♂️群里喊一🚹嗓子，提醒大家🆗记得同步，🎤🇧🇲大家再📱🍌各自回去更✏🇦🇱新一遍‼。另一个是"覆↖盖率"：⏩🇹🇹某种能力的🗺😜缺失，在👁所有失败案例中🇨🇬🔥占多大比例🔅🇸🇸。谈到 Thu🇸🇭💆♂️s 与现有🇨🇭芯片的区别时🌪🇭🇰，安克 CEO 😙阳萌说：“🚤🥶到目前🚎为止，所有🎱🎻 AI 芯⛸片都是💿一边存模型，一边🇵🇭做计算🇸🇿。
Q3：标准PP🇾🇹🎾O在推理🔴🇧🇱训练中🇳🇬为什么会失败🇪🇺，具体是哪里🇸🇸👷♀️出了问题💜🧳？ A：标准PP👵⛴O失败的核🛋心原因是👨💼🇲🇷"尾部⚽效应"——其内置🐓的打分员🚛（Critic）👩✈️♊无法在🎾🎴几千步的推理过🔰⛩程中有🎉效分配奖惩🇨🇨信号，而🇮🇸💜是一直等到推理⚜接近结🖱尾才根据最🚢🏏后几行文字😔猜测结果，导致整🎯个中间推🔬理过程既收不到有🤖⚒效激励，也收不到🏘🇪🇺有效惩罚🇮🇸。比如用户要取消一🧺张在14🦚🔫天前购🇲🇻🇨🇿买、没有任何保险🇳🇫👨💼保障的🌉🇵🇬经济舱😳机票，根据规定🈵🇨🇿这种情况不允许🚾📜取消，但A🅱I直接调用🥨🇻🇦了取消接🖖✒口，因♾️🌋为系统API本身🛐♣怎么最有效的引蜘蛛不会强制执行策⛄📅略，需👘🇱🇰要AI主动核查🥝💆。
对比V3🚥仅用14🤔🤺.8T Tok🤰🐔en训练⛅♒，V4-Fl❎ash 与 V4🚻👩⚕️-Pro 👒的数据消耗🚺量分别达🉐到了32T和33🇧🇧🇺🇲T🌨🇧🇱。henry 🚘👨❤️👨发自 凹非寺 🇯🇪🔮量子位 | 🍟公众号 Q🦸♂️🇮🇳bitAI🇻🇳 DeepSe🇪🇨ek V4“迟⬇到”半年，🤝但发布后的好评如🇰🇼潮还在如潮👨👦👩🦲。第三步是"针对🎳性强化训练"💺🐼。截至当时的结果☣将在第 4 ✖节中报告👇🎲。
