（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🇹🇲🇰🇼分级阅读的四大害处样做同样会🕵降低训练损失🇳🇫😋）却未🍕◽必能改善机器😪🇮🇪人任务表现🥥。
发现一：Agen🙃🕯t 写代码🚺的烧钱速🚶度，是普通 AI🛏 对话🐬🇦🇶的 1🦵⭐000 倍 大💆♂️家可能2️⃣觉得，让 AI 🍘🈴帮你写代码和🥇🤺让 AI 🙌跟你聊代🥦码，花的钱应该🍦🔦差不多吧？😃 论文给出对✅🤒比显示： 🦐🕠Agent⚠ic 编码任务的⚱🆖 Toke🇬🇧n 消耗7️⃣量，是普通代码问🗝答和代码推理任🕔🍍务的 约 10🎁00 倍🍝。
看过至少一个💉🚗 AI 方案👨💖的人，平均在🛹🔮任务上花🇩🇪🐶了 22.5 🇭🇰分钟，🍿👩🚒是没看过方案的人📩➡（9.4 分钟）📈🔨的 2🧫.4 🤟🐿倍◻💸。这些方案🤲里有高性👖能的、👊🇸🇰有奇怪的👕📌，也有明显🥶跑不远的🕝👺。
