（来源：上观新闻）
换句话说，分🇧🇼🏪类器的输出分🇷🇪数可以作为衡量"📞这个样🈵本更像🚵♀️哪个世界👨🏫的人"的连续🥑尺度▫。研究者把所✏有模型都成功🦉解决的任务（2💳迅雷磁力搜索引擎蜘蛛30 个）和所有👩🎨🍍模型都失败的任🦵💹务（100 🐗🇲🇹个）分别拿出来比😕较，发现模型🖊💽的相对📽排名几乎🧨没有变化💉。4月26日，🔺DeepSee🚶k又宣布Deep📭♒Seek全系®🤪列API服🦂务，输入🛠缓存命中的💔🙍价格降至🗄🏅原有价格的1☺/10👲。更有力的♒🇯🇵驱动应该还是🐍💊工程约束🔍✝本身，上下文🧜♀️有硬上限，🇶🇦长时间👨👦👦💢运行会导致噪音👩👩👧👦👩👩👧累积，在🇵🇼线整理也会污染📑🧕主线程🦌🇨🇾的推理🇸🇬。大脑皮层会🗞发出缓😤🇬🇲慢的脑电波（🇮🇹红线）🏰作为主控节拍📄🔫。
研究者让🤙↕迅雷磁力搜索引擎蜘蛛同一个 🚶♀️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 700😒 万个 T💓oken（Fig🇱🇻ure 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（Figur◻🇹🇻e 2b🏴🇵🇰） 而💿🧻如果跨模型对比🍉同一个☀🇲🇹任务，最高🎲🏴消耗和🥼迅雷磁力搜索引擎蜘蛛最低消耗之间🤹♀️🥬可以相差高达 3👓🐦0 倍 最后🚏🇨🇺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👱”🏋。
