（来源：上观新闻）
在百万 t🇧🇶🤶oken上🤙迅雷磁力搜索引擎蜘蛛下文场景下，V🥇4-Pro的🈶单token❓🇲🇫推理FLOPs🐫，仅为🏀DeepSee👨👨👧👦k-V3🇨🇻🇸🇬.2的🇮🇴27%，KV🕵️♀️🦘缓存大小仅为10😜🎼%；V4-F🇲🇼lash的效🦵🚜率提升更为激🇬🇮进，FL🍄⏭OPs仅🧷为 1👨⚖️🌅0%，K🐽🔠V缓存仅🎛🦵为7%👇。所以，我的观点👱是：你应该深入进🤽♀️🇦🇩去，寻找那些独特😳🇨🇺且新颖的🧕👿应用场景💩🇨🇳。如果你能敏锐地捕🕉🇸🇱捉并激进地💡去优化这些点，让🇦🇹🎢用户进入那🤗😽种“flow（👃心流）”状态，⭐感觉讨厌的🤛繁琐工作被👣自动接🇫🇰🇩🇿管了，那这里面🇦🇽就蕴含着巨✝大的价值🥌。
因为停🇧🇫下来的代价，可能🥰⛑比烧错 t💆🧗♀️oken ⛈🇰🇵更大🤯。至于光影、🦗镜头、表演的细👨⚔腻程度，则8️⃣属于下一阶段才🍄🕠需要解决的问题🇪🇨。周一回来时，🇺🇳一个工⏩业规模的强化学习🧼🈁训练任务🌄已经在那🗻儿嗡嗡跑🍷⛹️♀️着了，它已经连续🎒运行了 31 🎤个小时🆕。在 Pa🎦🐿lo Alt🏗o 聊的几🐧🚷家 AI-🍒❇native🏐 创业公司🗨👑里，一🤗🌐个工程师🛹一年的 toke🇧🇫n 预算，大🇰🇵🎿概在二😐*️⃣十多万美元🚎。谷歌的TPU💨是英伟达🏟🍃芯片最🍾具竞争力的替代方🧁案之一，在这个⛏对算力需求🧜♀️↖极为庞大🥐的行业中，T🥂PU对Anthr🗓迅雷磁力搜索引擎蜘蛛opic及其🤚💉他AI开发📙者而言🇳🇪是稀缺而宝🍒贵的资源🏃。
