（来源：上观新闻）
Token消耗量🏧🕍上涨，和2️⃣🦛CPU需求上涨，🎭🚵是同一👩👩👦👦件事的两🕵️♀️个面🇧🇦🕢。从性能表现看，H🔖y3 p7️⃣🐏revi♐ew是一个❗💾总参数 😶🍗295B、激🏯活 21B↖🌃 的 MoE🍴 模型，👡🈂在复杂推理、指🇸🇭🕡令遵循、上🇨🇼🙇下文学习、🎧🥀代码、智🇫🇲能体等能力及推理🚠性能上实现大幅🧛♀️🥥提升🅱。他表示，真正关键🏐的问题，依然没🇷🇴💁有得到任何解释🎃⏫功能测试的常用方法6种，比如🇸🇦🐑： Goo❄🥧gle 🤸♂️的账单默认阈➡值可以一🔏路升到🐪 10,000 🇸🇦🔆美元，而自己从🦸♂️🦉未手动设置过♾️这个上限🇨🇫🙅。
而行业📃🤠里绝大📽🥒多数厂商，依然在😇🤼♂️用 “仓库” 的❣逻辑，做 “🥚引擎” 📍☪的事 —— 👩👧给仓库加个 🛵💂AI 插件，加个↪◽分析模块，就想🍈让它变⚾成引擎，🔂本质上是🇮🇸🌱刻舟求剑🧽。黄仁勋当即反驳道👄🌿，顶尖的🌌🇫🇰AI模型，不一💡定要最顶尖的芯片🖲才能训练出来🇵🇹🇭🇲。与此同时，推👝🇱🇺理成本 3🧵 年下降约 🍆1000 倍，👩❤️👩开源与闭源的差🙋距缩小👩👦到 1👨🦰🔻.7%🇮🇲⏮。模型迭📶🍬代从"攒大招😄🥔"，变成👨👨👧👦📭"小步快🇲🇪🇦🇴跑"🧧。
