（来源：上观新闻）
换句话说🖊，两家公司⛹️♀️🔄在用彼此🏏🇲🇻作为“实验对照组📆”，加速验证😌哪些路径▫🆑更接近AGI🕋。Manu🔁s的路🇸🇱🏛径本身就🍅↕充满张力🇹🇩🏬。《Atari》👩👧游戏本♍0️⃣质上是一个由刚👍体动力学🇩🇰（碰撞❕🍇、速度、重力）支👨🚒🇲🇶配的二🛄🇵🇦维物理沙盒🏺👕。
此外，在履约🙊配送环节，类似于🎴🖍中国消费者从🤓菜鸟驿站取件，🥪🛣很多俄🦀罗斯消费者也习惯🇰🇵👁️🗨️于在社区自提🇷🇼✡点收取🚵🔡包裹🍬。结合能量🎫词微背🥞光与微量👩⚕️🚠噪点纹理，🧱使浑厚🐫🇸🇷木纹触目可见🇨🇵。具体而言： 1🍐🚛、在知识与🇧🇧🎡综合推🧗♀️👨👩👧👦理上仍有差距🇸🇬🛍，HL🇮🇩E（复🛐🚵杂推理），V🔸4落后👩✈️🇹🇹 Gemi🍑🗞ni-3.⛱1-P😟ro、Cl🛎aude🌃🦒 Opus 4👩👧👧.6-☎Max；2、💛🐨长文本阅读理解🍵优于 Ge🈷🌫mini⌚📓，但明显不如🦖🧛♂️ Cla💂♀️ude；3🍸、多模态（图像/🗾🔛视频）尚未大规模🔞🤽♂️上线，落后 G🚹🔪PT-5💳/Gemi🤭🗡ni一代；🏴4、极端复杂🇷🇺 Ag🔸🎲ent 任✡务仍有距离，超👳长时程、多步💓💡骤、跨🛄🇪🇦工具的闭环 Ag👨🦲ent 🚭🧞♂️能力，弱于 O🏠pus 4.6👣 思考模📳🐞式🔠🍺。
智能体支持自👈🇬🇹然语言🌕😋交互，😃💿可给出配👯🤣置建议，🍡💷结合管理🕒▶员反馈持续学习⌛👻优化，形成往🧞♀️🍦复协作模式👇📖。作为一种无模型📲💅（Model⛽-free）、离🧗♀️⬅策略更新（O📺ff-P🙉oli🎚🎂cy）的值🚲函数学习方法，🌟它的核心逻辑非常⚱符合物👨🌾理直觉：通过🐹🍩不断地🥫🥡试错，直接学习每🆕🔎一个“状态—↪🇪🇭动作”对的“奖励🇪🇬”和长期价⚠值“Q”，并贪婪👜🕦地选择最👄优解🍤。
