（来源：上观新闻）
在参数量🍗😿上，这个经过🇦🇫中间训练的1🛹🚑.1B模型，面☕⛹对的竞争对↘🇹🇩手包括7.7⛹💳B参数的🐪OpenVL👴A、3🎊🌟百度竞价官网.1B参🏹🍞数的π0（基于P😃aliG♠emma-😎🚠1的流🈂🇵🇱匹配模型）、3🇩🇴↖.8B参数的Q◼wen🧲🌂2.5V🗞L-3💄B、8.3B参数💬🍀的Qwen2.🛠5VL-🥭7B，以及规👂模从2B🍾⚠到30B的多🧫🙎♂️个Qwen🔦3VL系列模型🕖。
而绕远路，恰恰是🏌️♀️创造力的产生条🔭件🤐❇。刘耕：对💆♂️🆚。他们的创⭕😇新设计是，在传🇸🇯统的 p-🇹🇻GaN/n-🌖GaN 结🎁🤜之间插入了一👷♀️🍸段宽禁带的 n 🇧🇾型 AlGa📍💝N，相当于通过😁能带工程建立了一🤙🇵🇱个“电🌱荷储蓄池🕧😉”⛈。技术社区🌟把这叫「上下文📊🌚腐化」📉。合伙人看中的，🏑🔉正是这种不断强化🌭的、能够兼🇵🇫🇧🇳容未来🐆的平台统合能力🕗↪。Q2：邻👮近性估计器训练起❄来复杂吗，成🌿本高不高？ A🅱😟：邻近性估计器🇨🇩👾非常轻量🚶。但我们前期🚳🏆很克制🚣🍢，前两三🔻个月投放🦴量很少，☮😤一度有人觉得我🕜们是不是涨不🚒起来🇵🇫。
这直接说明了中间🍠🕐训练的💇收益不是来3️⃣自"更多数据🇱🇾"本身，而是来⚡🦘自数据内容与🌹机器人🇰🇾⭕领域的对齐程度⚛。更有意思的一个发🇻🇮现是：Toke🎩n 效率是模型🇦🇩的“固有性格”，💝而非任务使然🍠🇦🇨。他们的创新设🇸🇸🥔计是，在传统的 🦅🎈p-GaN🤡/n-GaN 🎊结之间插入了一🎠💐段宽禁带的➰ n 型🏀☔ AlGaN，相🇲🇪🍨当于通过能🍟带工程建立↩了一个“电荷储👩👦👦蓄池”🔫。这个群体是当下🧶最稀缺的🀄☁供给😲👬。
