（来源：上观新闻）
第一层🇲🇹🔨是行为审计：💳给模型设计各种💩👩✈️测试场景🏭，看它做了🏡什么🇬🇦😔。或者说，An🥣🤞thropi🇧🇾👋c 已经不☃确定：My💨thos 🐫🍆考 9📷0 分，到底🦋是因为它只🇩🇿🇹🇰有 90 👪分的水平🛵，还是卷面只有 🧜♀️90 分🥭👨👧👦，又或者它其实故🐝意隐藏了实🌨🗜力，只考了 🆕🏴90 分？🇪🇨👩🎓 这 244🎸🇲🇺 页报告🌱读下来🐫，最重要的👆💷信息不在于 My🔊thos Pre🔢⛏view 有多强💚🥡，而在于它具体地🈵展示了评估🌒工具在🇳🇿哪些地方开始失效🇳🇱、为什🇲🇷么失效，以及一种👇正在成形的替代方💆♂️🍖法能看到🈂什么传🌋统方法看🕶🚠不到的东西🇲🇱。
“爱科学的😎✖音乐家” 实际🍼⏹上，H🕤🤳unte🇮🇨👚r一直是一名De🏓🌄epSeek🍶🐔狂热粉丝，自🥄🏭打V4出来之后📽🇲🇷，他就📍🤜发过很多推文😵🕍不断称〽🇲🇽赞📸。同时，🧞♀️该页面还披露了🐿三档订阅价🦴格：标准版连续包🏑月每月6🛃8元（连续包🇫🇲🇧🇳年68🌠8元）、🥃🏷加强版连续包月每🌌💂月200元🥇（连续包🔶年2048元🇬🇺）、专业版连续📇🥧包月每月🌯500元🖕👑（连续包年508😰🐞8元）🤙。
字节跳🈺动火山引擎🏋️♀️负责人谭待🕔🚬之前在接受采📴👭访时曾经谈到🏔大模型定价🤠🧟♀️问题，在🦷🧔他看来，涨🐢🥦价只是部分🍵🕗厂商的市场行为🇦🇹，行业内同样🛐🇦🇩有厂商在推🐨⚔进降价，核心➗分歧在于对To💂♀️ken（词元）价🦵值的判断👱逻辑🐫。重点是✡🎽，它不需要买🌠服务器🥳，也不需要每天♍让Agent一❣🥃直跑🦘。” 斯托纳在分📔🌔析文章中指出：“🤼♂️🍺大语言模型最不🔎😦擅长识🕢别的，恰恰是它📐🤭的核心设计逻😆🍐辑 —👜— 无🔧条件信任文本和网👨🦰络资源🛠。
