（来源：上观新闻）
另一种🛰🇸🇹是随机历史🦑🚏记录，什么🦃设计都有，毫🎋🍜无章法🕟🧷，充当对照组💉🇫🇲。这款机械臂可完🤚🙁成基础操作任务，🈚用户还能🚆与机器人语音☠🍞对话，机器人🤟将搭载苹👨🦳🍐果正在全新⚓研发的 Siri🔂🛢 智能系统♐。它是一个简单🔯🕔的线性层，建🍡立在冻结的🌱VLM特征之🔔⏱上，不需🧸🔭要对VLM🇭🇹本身做👸任何改动📿。研究者让同🈲⏸一个 😥Agent 👩👩👧在同一个任务上🍈跑了 4 次，🤩结果发现🚵： 在不同任务之📏间，最贵的任🇯🇲务比最便宜的🇧🇩任务多烧约🏄♀️🐏 700 万个🇨🇻🦜 Toke⏏🤳n（Figu🐂re 2📌a） 在同一模🚹🥵型、同👂一任务的多次😼运行中，最贵❎🏚的一次大约是🤾♂️🇹🇩最便宜的一次👆的 2 倍（☝Fig🚀🆚ure 2b🔪🅿） 而如果🐋跨模型🇿🇼对比同一个任🔙🎯务，最高消耗和🔹👩👩👦最低消耗🛵🕔之间可以相差高达🐀 30 倍 最后👇一个数字尤其值得📤🤷♂️关注：这意味🐾😥着，选对模型和选🌛🆖错模型之间的成本🔠♦差距，🇸🇪不是“贵一点🐕🖥”，而是⛓“贵出🎎👖一个数🐎量级”🏣。
这篇论文⛄🤓的标题叫📼🔨「From M😖🌧etric🐸🍢s to🇬🇲8️⃣ Meani👭➰ng」，从指🚇标到意⛳🌾义🎞🐅。研究者把所有模型🇨🇱都成功解决的任务🧝♀️（230 个）🍏📛和所有模型都失败🉐🏖的任务（1🎱00 个🛰）分别拿出💂♀️来比较，发现🐹🍝模型的相对🦚🇯🇲排名几乎没🧫有变化🇰🇼。在抖音我就从🔜0开始搭♏🇮🇷建了一个创😩🇷🇺作者生态㊙。3月16日，🇳🇨智谱发布专为智能🇲🇶🐰体“龙虾👨👩👦👦😿”（OpenC🥵🇨🇿law）场景深度💶优化的通🤣🔣用大模型🇸🇲泛目录站GLM-5-T🕘🏋️♀️urbo🌍🍚，并上🇺🇾🦚调其A🚑PI价格🎥📶，涨幅为2🍞🇧🇯0%🏜🎓。
