（来源：上观新闻）
VLM常🏴🐑用的训🐈👆练数据，包括大规🥂模图文匹🍚🎶配数据（🇪🇸如LAIO🦹♂️N-4🇰🇷🇹🇰00M、CC💛🛒-12M♿）、视觉问👞答数据（如LL🇻🇬aVA-Inst🇮🇳ruc🍌t-665🚼👩🌾k）、视觉常识🚰推理数据（VC🐷⭕R）等💴👨🎨，它们彼此👽之间的距离普遍🕟较小，属于同一个🤾♂️大家庭🤽♀️。
海外虽然有顶👩👧♓尖本体公司，🦹♀️但往往在单🇪🇬一环节深耕，缺乏👂🇨🇳像擎天租🇳🇨这样能👩👧够直接下沉🇯🇪到毛细血🇦🇼🇦🇨管的履约网络👩。
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🦶引谷歌蜘蛛到钱🦚🎨。这就导致了一个尴4️⃣⏫尬的现实：开发🇬🇪🧱者几乎不可能凭🕡直觉预估 A🏚gent🚙🥜 的运行成本🧗♂️💒。但此类任务需消🇪🇪引谷歌蜘蛛耗更多算📮🇩🇿力与推理时🤠🅾间，因此豆😫🐅包计划上线付🦖♻费服务，📱🧦满足好这部分复杂🐬🎬场景需求🔈👨✈️。
