（来源：上观新闻）
走出会场，✍🏄♀️早晨的阴霾已被一👾📁轮骄阳替代🇳🇫🇳🇮。第三步👨🍳🤲是"针🤜对性强化🇰🇭训练"🧕。V4-Pr🇪🇦🚻o和V4🇫🇰🔈-Flash，🇯🇪1.6🇵🇱👱万亿参数🏖/28🤨🇫🇲40亿参🈯数，上下文都是1🎰🥞M🇨🇫。行业普遍🐢🧲在用“糖水数🇲🇷🌨据”训练🇧🇮🇸🇹模型，然后奇怪为🌪什么一🎠⌛到真实环🇲🇹境就失效🆗🤤网站推广。研究团队⏸👰测试了一🍼种极端组合：🍹用一个只有1🍄5亿参👨🏫😈数的小模🦒👌型（D📍eep🇼🇫🚮Seek❌😙-R1-🤔Distill-🍓🧻Qwen-🏵🇩🇰1.5B）🇨🇾🇨🇷作为价值模型🙂🧁，去辅ℹ🇦🇼助训练🍉一个7🍣🧖♀️0亿参数的🍓大模型▶（DeepS🌚eek-R🤦♀️1-D😳ist🇧🇭ill-Qwen👹-7B🇳🇦👺）😲🍂。
于是，🏬如果你要训练🕐🔱一个70🇲🇦亿参数的A🚹I，打分员也⚒🇹🇯需要70亿🏴🐝参数，内存⛹占用直🌸🇨🇺接翻倍🕊🇿🇦。Hermes与🇨🇻Open🐵🍘Claw的🕢另一个关键差异，🕞🚆在于记忆🌌机制👨👩👧👧。尽管Herm⚔es尝试通过抽象🤹♀️和筛选提🇸🇸😕升效率，🍊⁉但这一过程并非总🇨🇼是有效🇻🇨。谷歌在技术博客中👩🏭⚫指出，第八代T📵PU的设计哲🔨学围绕可扩🛑🤑展性、可🌂🛒靠性与效率🐄三大支柱，两🚝🦅款芯片共🎞🗞享谷歌AI软件栈👖的核心基因*️⃣⛎，但各自针对🍓不同瓶颈进行了☦🇲🇾专项优化〰。
V4还引入了三🇵🇹✔档reaso📁ning eff🤞🏃♀️ort m🇶🇦↙ode，N🇸🇦🦂on-thin⚠k、Th⛄ink Hi🥧📨gh、Think😡 Max，每档输⛱出长度不同🔭🗺。差距仍在🇵🇪。研究人员指💩出，预估一道题的🍿难度，根本不🏟需要具备解题能🐔👉力，就好比一🕢🚺个经验丰💔富的老师一眼就能⬇🔵判断某道题"很🚣♀️多学生会🚧👨错"，即使他🇫🇴👩自己不亲自⚙⛷去做这道🐼题🇰🇳🇴🇲。
