（来源：上观新闻）
换句话说🥦，在机🍏👨✈️器人任务上真🍢正重要的模型能⛪👩👩👧👦力改进🇲🇰，并不‼🥍必然反映在训练损💂失的变化上👨🎨，这也解释了🙎为什么单纯在🗯具身场景数据🚷上微调VLM（那♉样做同样会🇲🇷❔降低训🇾🇪💙练损失）却📊🇵🇰未必能改善机器人🚜🥙任务表🧴📭现🎗soe是什么岗位。或许你一时间还不🖇🤴能接受 A🚄I 主播，🕺☮但说实🎚㊙话，现在用 A🛥I 搜新闻📨🍓看新闻，已经⬆😍十分普遍了，⚱搜索引擎也🖌🎳把 AI 搜🔪🇧🇾索融入到👩🦳😍了搜索框💯里👩👩👦👦。
字节过🇸🇾💹往在很多🥳赛道，都是靠低😗价、补贴🇲🇲🇱🇰打赢战🤡争，但这一💋🅿次，它是定价更📍🇳🇴高的一🍘🆚方，能🔓🙁不能扛🇰🇵住内卷、坚持靠🔚价值定价，是一个🤙巨大的🌙考验🏋️♀️✨。研究者让同一个 🇸🇪🇭🇲Agen🗯t 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 Token（🎄🇸🇦Figure 🐮🇦🇮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（Fi🔕🇫🇮gure🤭soe是什么岗位 2b） 而如🏏🇹🇭果跨模☪soe是什么岗位型对比同一个任🤦♀️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🧰🧚♀️”🥁🚶♀️。
