（来源：上观新闻）
他们用行业👩⚕️🇱🇾标准的🎣 Simp💏🇾🇹leQA🇳🇬🕉 基准测试检查☹了 43💏🖼26 次 🇷🇼🖍Goo🇱🇺gle ⛵🍹搜索的 A👩👩👧👦🌯I Overvi☦ew 回答，分别👗在去年 🇬🇭10 月（🔄🤤基于 Gem🆗ini 🌮2）和今年 2 🌏月（升级到 😐🍤Gemini⬅ 3）进行了测试🐽🦖。其二，选择的🍞逻辑不是简单❣👅地"保留某些🔐数据集、💀扔掉另一些数据集✝"，而是在每个数🌆🇮🇹据集内部⚔❔做样本级别的🔼精细筛选，因🌿㊙为即便是总体上与👨🔧7️⃣机器人数据相距较🏭远的大规模图文数🍑🖐据集，其🌞🇪🇷泛纳设计(深圳)有限公司中也有💮相当数量🇫🇯的样本恰好与空间🔭🏐理解、物💮体定位等机器人😋任务高🥯♑度相关♻。这些指标🐉☯只能捕捉🇳🇬行为参与（你📷是否点🦷了），🚫👿完全忽略了认知参🇭🇳与（你是否🙋♂️🇵🇸在想）和情绪参🧬与（你是否在乎🎗）🎶。
滴水降温，🇳🇵⛅切割时不会产生碳🏥化或焦痂，止血🏴🏴效果比传统电刀🇵🇦强很多倍👯♂️3️⃣。第一重身份，是🔴📈智元生态的🐕🇦🇺“超级商业出🎼泛纳设计(深圳)有限公司口”🇲🇭。研究者让同一🥙🇷🇪个 Agent🕍🆘泛纳设计(深圳)有限公司 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 70🇮🇳◽0 万🇱🇮个 Token（🇲🇸Figure💼 2a📸） 在同📲一模型、同😣4️⃣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（F🧻igure🕔 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”🚩🤯。
