（来源：上观新闻）
我也可以用等号，🧡🍀但那看🥍起来不太合理🚡🖕。研究者让同一个 👨🍳♍Age🎐🔝nt 在同一个任🇳🇦🕶务上跑了 4 次👁️🗨️互站源码交易平台，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 70🐛🐀0 万个⏺ Token🦌（Figure 🧞♀️✌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（F👨👦igu🇬🇲re 🕞2b） 而🇸🇾如果跨模型对比同7️⃣🚴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⏪🙍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”🎷。
这种“技术高地🇸🇱”与“🚲应用湿地”之🎧🇪🇭间的断裂🇿🇲，仅靠单纯的买✡🛢卖关系🇹🇨💷无法填补👩👧👧。“这恰恰是🎴神经网络中处理🕡时序信息的基🎐🌥础🎳。出于安全考量，🎷机组人员下达了🐺👨🎨强制“调座〽令”，将这🦡台机器人牢🐧牢固定在靠窗🕊👨🎨座位上，🍦🚽以最大程度🇦🇸地限制其潜在的🇲🇻🌗破坏力🇲🇪🍑。
论文的结🇰🇮论直截了当： 😐🤨现阶段，🐴🌬前沿模型无法准*️⃣确预测自🐩🎇身的 Toke♏🧞♀️n 用量📩🎗。路径之一是海🇨🇱🐶外部分团🚈队尝试🕍的“轻量化中🚤介型”🤹♀️。
