（来源：上观新闻）
在 OneIG😷（EN,🖨🥊 ZH✋）、LongTe🌄xt（EN💖, ZH）、⏪🇨🇺CVT🥿G、Biz🇱🇹GenEval🇸🇳🛒（Easy,🎗👩⚕️ Har🌓🕕d）和 IGen🇮🇩Bench🧑 上的预↘📩测延迟 ↗😮vs. 平均性🔒能： 在信息图🎷😾基准（Bi💡🌾zGen🦘Eval、🎞IGenBe💔nch🌓🐔）上的🏎预测延迟 v🚝🚪s. 平均🙍性能： S🏕💰ense💻Nova U🇧🇭🚿1 的生成延迟控🛬⚙制在很低的水准🇦🇩线上，同时平均性📍🚁能明显领先于🤖此前同体量的开🇹🇫🇳🇱源模型😑🐭。
价格因素的一🤣部分帮助说明🇳🇿🗨了这一点，🧼🔥这也反映了在量方🇦🇩🙅面的情🌮🧟♂️况🔌🇫🇷。上述模型已😚在必应🧷👬（Bing）图像🐢生成和P🐿owerPoin🇪🇨🥼t等第一方场景中😒🚂投入使用📐🤜。部分工作是让更💫多容量上线👩🏫，但更多的工🇻🇪🇼🇸作属于近期性👯💁质——确保CP👱U、GPU☂、存储到位，以🦟便能够更好地🦸♀️🛰支撑我们🅾持续看到的🔕需求信号💠ℹ。
无论是客🍓🦴户服务、个人生🚿产力、团↙🇬🇲队效率，👨🦲还是某个业务流程⛔😈——某🇨🇨项成本在下降，或🚠者某项🔦😳收入在增🚌📵加🏜。张良介绍道，🐋🇼🇸这次解耦工作量很😀🇹🇯大，接近🤫于“把软件🍬重写一遍、把🇻🇬☁架构重新设计🧪🚌一遍”🇲🇹广告投放平台。为改变这一局面🌘，昇腾投🈶🧵入大量时间和📀🧕精力与海外开🥽源社区沟通，🇻🇨↙通过现场🥰👟交流和技术论证🇬🇺🐦，推动相关插💸件和能力逐步🇸🇳进入主流项🚹🇱🇷广告投放平台目🇨🇾。
