（来源：上观新闻）
这张网😃的每一根神🧫🌊经，都在🎤🇸🇬跳动👨🎤🔰。和OpenCla🤹♂️🇫🇮w一样，He👗©rmes也🇭🇰🦗是个开🇱🇷🛁源的A🏬gent项🇨🇻🚰目，由🇦🇩⏰Nou🇲🇹s R🏴🍿esear🍲📈ch团队于2🖥🥾月25日推出🥟。现实任务里最◼🐳值得提的是内部🕯R&D代码b⛪enchmark↙〰，V4-Pro-🌬Max🇸🇦 67%，🔅🗨接近Claud⛹🗡e O🚘🔷pus 😊4.5的🈸🚢70%🚉🚋。实验方案参考🌕🗞了"组合链式🙍♂️🈹思考提示"的做🦛🍩法——先🧛♀️用 P👵⚒ANDA 生🤳🍔成一份失🦀真图，🍧🐠再明确告诉 🍖🕶GPT-😂5 M2️⃣🌯ini："这🇹🇹🎗是一份关于这🏩两张图片各🚊区域质量对比🐚的参考信息🏄📩，请把它当作辅◻助线索，如🍢👩🎓果你从🤒☣图像本🌸身看到了与这份💧信息矛盾的地方，👯🇰🇲请以图像🦄本身为准🚄🥼。
其一是Spar🍨seCo🐶🥉re加速器，专门👘🥜处理嵌入🗜🕔查找中不规💏🚵♀️则的内存🧘♀️🥀访问模式，🐥将数据依赖的⛓🍺全局聚☦合操作从🇨🇼矩阵乘💳法单元🌍👼（MXU）中🎑🇪🇪卸载，避🏞🧫免通用芯片常🇰🇲🎇见的零操作💠🆙瓶颈🏓😓。保持阿橘🇲🇶🐎的外形、围巾颜色🈯完全一致，每格配👩🦳⏲有中文对白气泡🛁🏣，文字清❗晰无错别字，画🇩🇰⚖风温暖治🧞♀️🛶愈👩👩👧📷。现在产品从原型🦹♀️🚟到给到用户💇的时间🥃😫很短，🎁♥能减少在产品理🥖🇭🇰解和判断上的🥋🛤周期🥒🐩。Q2：PAND☘A模型和G📛PT-4o🦸♂️👩🎤这类大模型相🍃比有什么优🧕🌈势？ A：PA🇲🇭🇫🇲NDA的参🗾🌚数量只有0🎂.028🔃🧫亿，处理一对🇬🇭🍣图片仅需3.5🌩❓3秒；而GPT-🚧🐪4o等大模🐁型参数🇲🇽量达数百🖊亿甚至更🏴↔多，且🚳在区域级质量比🐟👥较任务🐓上准确率仅🇯🇵26%🌟🍋，接近随机猜测的🈶🎊20%♉。
