（来源：上观新闻）
发现二：同一个 👨👨👦👦🇱🇰Bug，跑🚃两次，花费😊🖊能差一倍——而且🤩越贵的 B🇰🇵👵ug 越不稳🇹🇹定 更让人头疼🇬🇺🔈的是随机性👨👧👧。这种进🇲🇿化轨迹表明，初期🥘的控股💓是战略加持😠👨🚒，而长期的🕑📭开放是生🤽♂️♦存共识😹🗓。
从数据集层面看，🇹🇭🏡Ref🔀🆖Spatial🇩🇰🐛（专注于空间指🇦🇸🔮代推理的数👔🇮🇨据集）获得了最高🍰的平均🔌分，而V🇭🇺CR（视觉常识🚘👁️🗨️推理数据集，主要🎪◀涉及对图片中*️⃣🇦🇪人物行🦆💇♂️为意图👨👦👦的理解）获得🖊😀了最低的平均7️⃣👩🔬分💇🗳。
发现五：连🚤模型自己都算☝🧔不准自己要花😭🌧多少钱 既然人算🔱不准，那🐹让 AI🤯 自己来预测🇱🇦呢？ 研究者设计🇬🇵了一个精巧🕛🇧🇼的实验：让 Ag🖱👕ent🚉🇪🇭 在真正开始✡修 Bu📺🤭g 之前😋😯，先“ i🍌👩✈️nspect”🔑一下代🐢码库，然后预👩🔬🏣估自己需要消🦍耗多少 🖋↔Token——🖥❣但不实际执行修🔆复🏗。
