（来源：上观新闻）
天天被📯 AI 👨👨👦⛪刷屏，这个五🐿🙆♂️一假期我真的不想📸😛再看到🚍🇲🇰 AI 生成的内✊🚡容了🚱。用t-SNE可视🔹🅰化（一种🐝把高维数据压缩成✡🇮🇹二维图来直观🐈🇬🇪展示的技术）✏👤来看，📯🔁机器人数据形成🇧🇴📷的那几个簇↕，与VLM数😧🍨据的主🐐♨要区域几乎不重叠🎻，只有👁极少数VLM💚样本漂浮在靠近↘机器人数据👨🎤🍓的边缘地带🛶🍛。而且他🤛也不知道平台要🦴🇵🇫什么、怎🏧么对接、怎🗡么定价🐼🆓。
研究者让同一🧟♀️个 Agent 📯👥在同一个任🇹🇭🎵务上跑了 4 🇨🇭⛄次，结果发现：😏 在不同任务之🧟♀️⏯间，最贵⛽🔺的任务比最便🧱宜的任务多烧🌫约 7🐃➕00 万个🚽 Token☔🇮🇳（Figur🚖e 2a） 在💏🇻🇬同一模🏫🙍型、同一🛰任务的👼多次运行中，🍨🈺最贵的一次大约是😿📱最便宜的一次🚩的 2 🔼倍（Fi⚱gure 2b）🌲 而如果跨🙉👿模型对比同一👨👧👧个任务，最🤬高消耗和最🇸🇽🥏低消耗之间可以相🐢差高达🤟 30🕟🥢 倍 最后6️⃣一个数字尤其值得⚾👔关注：这意味🇲🇿🛄着，选对模型和🇰🇬选错模型之间🚪💑的成本差距，不🇮🇪🇧🇳是“贵一点”，🌁🍚而是“贵出🗃🌬一个数量级”😆。
