（来源：上观新闻）
他告诉《科创🚭🎂板日报》记🏏🇺🇬泛目录最新技术者，现在自己转行💒最主要的难🍽度在于没有对应场🧐景的操作经验➕🧥。实事求是地说，💂🐾在开源🛰🚝领域，我们团队的🏴🇿🇦量化 💬🌼RL 做💒得比较领先🍔🚋，但和👩👧👧🇩🇰 DeepSe🇬🇫ek 🔜还有差距🐆😩。晚点：这次技术🔚🇻🇨报告和发布推文🏯🌇中都没再公布训练⬆成本，为🇲🇭什么？🧙♀️V3 🕎和 R🏊1 引爆🔞市场的关键之一🍃📂就是 🍱🧰557 万美元💶的最后一次训练🇷🇴成本🇰🇿。数据显示，现🇲🇩在很多AI科🇫🇮🥋学家/负⚔责人平🏹均月薪达到↩🇳🇷137153🧿元，位⭕🍟列高薪岗榜🔥首📺。
与此同时，京喜👩🏭⬆宣布2026年继🍆续投入超100亿🎗元推进“厂货🥼百补”，启动🤱“爆品双🐞📜千万计划🥙”，目🍻标打造🌴1000🙋♂️🎵个千万级单品👪。这种反馈不仅没有📑校正你的认知📑🏯，反而固化了你的🤤偏见🚸🇨🇰。模型大到一定程🐣🇽🇰度，不可🇧🇻能完整部🇵🇭署在任何一个节🍃🇬🇬点上，所🏥❗以 Mu💝on 和 Ada🔻mW 都需要复杂👺🎑的并行策略，⚜📪Muon 只会更💃🇨🇻复杂👩🎤。你们怎么理🇬🇲💖解 V4 的整体🎿🐒架构思路？🐦😙 赵晨阳：☁V4 整体保留🧽了 DeepS👩⚕️🛣eekMo🇧🇻🇨🇫E 框架和 M🐝⛔TP （M💘ulti-↩🇱🇨Tok🔫⛅en Pred9️⃣iction，即🧙♂️ “多 t😚🐃oken 预🎻🧜♂️测”，允许模🇰🇵😫泛目录最新技术型一次性😍预测多个 T🌝➗oken）策✋略，但在四个层面🌿做了改造🇰🇼：注意🖋力，用了🙃🔓混合稀疏注9️⃣🚶意力；残差，使🌈🧻用了 👱📇mHC；优🧱👃化器，🚴♀️👮在这么大🥞📚的模型规模上使用👩🌾了 Mu🌬on；以及🥔 infra📣 的变化，其中两🅿🕒个关键词🇹🇭🔽是 Til🍄🐋eLang 🥾🐚和 FP4🌦。
它不再逐个 to🚸ken 生成，而🐿是一次性 “🌧猜” 出多个未🆎来的 ⁉token 并👡🧼交由主模型🇹🇲泛目录最新技术批量验证，可大🕸🇬🇦幅提升速度👨👨👧👧。不是人类V☃SAI：而是“如🇸🇽何组合更🚠🎿好” 前面的🚜分析可能会引发不💴同意见者的批🥀评："你把🈁人类说得这么👨👨👦🏄不堪，这🥪不就是新📢形式的技🔭术崇拜和技术决定📏🌺论吗？"👎这个批评需要被😩🇸🇿认真对待，🆖因为它指向了一个🇻🇺真实的风险😧〽：如果我们的分析🇬🇫🚅结论是"人类认💵🚁知系统全面劣于🌚👷♀️AI"，🖨或者如弗洛伊德↕💉所说，“我发现🍔人类整体上🕞几乎没有🧑💫什么‘优点🌓🍦’🇳🇮。
