（来源：上观新闻）
以1.1B参数🥈🚮量的Intern👨👨👧👧VL3.🇺🇸5-1B📨👨💻为基础做中🤾♀️间训练后，该模🥓型在Ca😂lvin上🐟☯的平均完成任务长🇹🇱度从3.1🚮‼73提💎🕍升到3.7🤶👨🏫14，👮👌在Simple🍋👩👩👧👦rEnv上的成❇🌁功率从36.5%🧚♂️提升到56.3%➡，在LIB🔄ERO上的成功☮🐓率从39.0%🔦提升到54.2🚽%🎥🎧。本质因为他们的热↖情更高—📇—用爱和自由度®来做这件事，还🌗🇸🇲能赚到钱💸🇦🇬。而能直💤接从项目代🖋码里查到的事6️⃣🇲🇴实（比如某个函数⛩定义在哪个文🔆件里）根本不写📉进记忆🇦🇴🥺。每个大语言模型🕴☪都有一个「👨👧👧🕴上下文⁉窗口」，同一时🇸🇧🧗♀️刻能处🥘🎁理的信息👶总量有物理上🗯限🤭。
对此，豆🇿🇼🇬🇷包官方向👋📜澎湃新闻记者🇦🇫回应：“🥉🇲🇶豆包始终提供免费🍬服务，在免🕹费服务的🧦🗓基础上，📓💙豆包也在😾🇲🇻探索推出更多🏂🐙增值服务，🧣以满足🏤⚜不同用户的差🕹🇰🇭异化需求🛴。在Ca🧳lvin上，中间🍖训练后✅🖋的1.🤾♀️🛂1B模型以3.🌵714🧑🗿的平均得分超越🗻🗾了OpenVLA🐌🌐（2.548）🧟♀️和π0（3🇧🇬.509），与1⛰👨🚀.7B的Kos🔏Mos-🤜2（3.09📓6）、2.9🥂🌅B的Palige🇧🇻🌟mma-1💕🇨🇷（3.👩👧👦506）🔹❔、3.0B的📠👈Palige🕚mma🇮🇩🏫-2（🛍🦹♂️3.406）形🤧🗑成显著优势，与😱🥗2.1B的🔹Qwen3👩👩👧👧⛲VL-2B🔒🖼（在全量训练🏒数据下达到4.🇷🇸142）的🇬🇩差距也大幅缩👣🍄小😴👅。
