（来源：上观新闻）
这种方🙉法在Calv🏍🏖in上得💂🥫分3.126，📛⛏Simpl👨🏭erEnv ☔53.🚲🇧🇿1%，L↔IBER🥞🔂O 51.2%😂——比随机选择有♨所提升，但整🍲👛体不如学👩👦👦🔬习得到的🏎估计器◀稳定🔰。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🇧🇭 To🧤ken（Fig🧠ure 2a🥿🕹） 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（Figu🤘😍re 2👨✈️b） 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 3🔽0 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”🇳🇺。
但为什么总觉得 🇨🇿AI 不够🖍➖好用呢？ Sw🦹♂️🉐ans👹🎵ea 大学一项🅱💎迄今最大规模🇧🇬🥬的人机协🖐作创意实验刚刚🈺告诉你：你对 A🔫I 的🇻🇳期待从根🦶🇨🇿上就是错的🇵🇦📙。尽管这些方🕧法可能🛏有效，但它们也🕞同时会带来不容忽🌄视的问题：硬件🇬🇬复杂度、芯片🏚☁面积和功耗也会🇸🇷大幅度增加♈。目前豆包🤐👴披露的付费🇧🇮核心功能，包🚻括长文档精🙎🇸🇻读、PPT 生🈹成、深😡🐕度数据分析、🧶批量高🔸清生图等，本质上🔎都是行业通🛐用能力——这些功👩🏭🎨能，国内🧪🧧竞品的免费版大🥝多已经能提供🐢基础服务，甚至很👮♀️👨👧多开源模型本🌘地部署📖就能完全免费实📪现🔟🚩。你怎么定义P💍📡？ 刘耕：有专🚬业能力，但不🖱🦸♀️想进入机构、不📄🤟想去短剧公🍛🇸🇿司做流水线生产的🌐人🤸♂️。
