（来源：上观新闻）
Cal🚠vin AB📂💻C-D测试的是机🇲🇺💼器人在ABC😔🏢三个场景🧒训练后能否泛化到🏣没见过的D场景，🕓🦜评估指标👨👧👦♦是连续完📐⬆成五个子任务的💯平均长度（⏬🇦🇬满分5）📢。这意味着「🈹🤶结构化多样性」🙍♂️📙，也就是好的、🇲🇻怪的、差的方案按⚫🇫🇷维度排列在一起🗂，比一🌹锅乱炖的随机建议🌪，产生了更🐗强的创意🏅🇯🇲激发效果🏪🇿🇼。结合 2026🇷🇸🧐 年 5 📖月全球主流 A💸I 产品的🇧🇩🤞付费定价，可以对🇹🇳比得出：👁🐎第一，68🇰🇮 元的标😀⛸准版，仅比文心一🧞♂️言、讯📵9️⃣飞星火🕌高出不到 10 👰元，基👩🔧本踩中了🇬🇹🍖国内 AI 📲👩⚖️付费的🍹🇪🇬网络书源主流基准👘线，并未脱离大众🚳😲用户的接受区🦁🏙间🇵🇷🌭。换句话🧜♀️说，这次👒筛选并没🎖有把数据范围压缩🇹🇿到只剩机器人风🙎🧜♂️格内容，而是在整🇧🇭体向机器人🤾♂️领域靠拢的同时，🏺保留了广🇰🇪👨👨👧👦泛的视觉和语言覆⛄🇲🇳盖面🇧🇾🐫。
字节过往👣👩👧在很多🙊赛道，都🇰🇵🚭是靠低价🇳🇿、补贴打赢战争🎃🧪，但这一次，它是🕛定价更🇧🇹高的一🏰方，能🍯不能扛住☸🇵🇫内卷、📤🥽坚持靠价值☣定价，是一⚛👲个巨大的考验🍓。论文发现了⚫一个“倒🦇😧 U 型”曲😌🥤线： 🌶👗成本水平准确⚫🥂率趋势低成本👳准确率较低（可能🧝♂️投入不够）🛸⛹️♀️中等成🌟本准确率往🙇😞往最高高成本🏴🏇准确率不🎫🚩升反降，进入"👨👨👧饱和区间" 为👠什么会这样🛎🎗？论文通过分🦄析 A💿gent👩👩👦🇦🇶 的具体操作给出🇾🇹了答案—— 高成😥↗本的运🎨🎬行中，A🔃gent 大量时❌间花在🚟了“重🍰复劳动”上🇺🇦。执行速度如今更为🏄♀️重要 苹果的开🏄♀️发模式长💦期以来以精🏴益求精⏸为核心，经过📩长时间内1️⃣🍩部测试与🗜🇨🇬集成后才推🦏出新功👨👨👧👧✈能👵。
