（来源：上观新闻）
除了怎么配置模🔼🖲型，怎👨❤️💋👨🕔么用上 Cl*🇮🇩*de，怎💹🥾么使用便🧦宜等之外，我🙅🎠记得最多的🔔几个就是「te🥊rminal🐵 是什么我怎么🌙☎用」、「API🇪🇺🏌️♀️ Key🌺 在哪里🥾配置」、「怎么🗓🛶搞一台自己的🎨🐂服务器😔」之类的技术性问🧴题👖。当你让它完成☎🇰🇮一个复杂任务（5🇪🇸 次以上工具调用🐈），它会自动😡把整个过程写成一🚁🤯份 S🔐🧛♂️KILL.md 🕯👨👦文档：用了什么😸🕣工具、踩了什么♎🇧🇱坑、怎🔒么验证结果🍌🕷。
看着屏幕上☕❎元宝给出精炼总🥁结，你感到🕋一阵莫名❔🗿的满足，觉得自🤩己已经充分🕟驾驭了🚢最前沿的 A🍹👩💻I，但🍇你有没有想过🍹，在这个看似📸⏪高效的过程中，👖你的大脑像温🤐水煮青蛙🇭🇰一样慢慢「退化🦷👨👩👧👦」🧱。不过V4目前🤝并未配备原生👩🎤🇲🇹多模态功💱⛱能，这会👩❤️💋👩🌳限制其在👺🏰视觉理解、图表解🌸析等场景的发挥🌁。
V4则换👨🦱成了“分🛩化再统一📤🇭🇹”的两步走：🇹🇫🐨先针对数学、代🍚码、Age🚴♀️☕nt等不🐜同领域独立训练🙇♀️👨💻专家模型🇮🇷🕦，每个🎤🕛专家都在自己的赛🖇🇱🇾道上跑到🈚🐞最优；再用一种叫✨On-P🇧🇸olicy🏃♿ Disti🚅🐮llation的🇲🇵方法，把十多个领🗿⚡域专家“蒸🇬🇫👦馏”回一个统一的😪学生模型—🔪—学生自🧞♂️🙃己生成回🇺🇦答，针*️⃣对每个🇸🇾🎎回答匹配最🗺⛽懂这个问题🧛♂️🕘的专家的输出🇲🇲👓分布，通🐐🕕过logi🇦🇽t级对齐🇦🇲🍆把能力吸收进来🤞👨✈️。
