（来源：上观新闻）
研究团队对训💫🇨🇴练后的模型进行🕞🧽了多项严格👖的测试🥪🌕，结果👘👨👦非常直观地🇲🇴证明了“三思而🕧后行”的📚🍱巨大价值🍥🧜♂️。刘耕：其实中🎐间有一段👩👩👧🐃承接🔉。Clau🇫🇲⚫de 🔍Sonn🧯et-3.7 和🍐 Sonnet-🔖4 的预测成🎚🌀本甚至高达任👨🏭🎩务本身成本的 2🇹🇴 倍以上⚰。研究发😫🗼现，在高成本👩👦🇦🇷运行中，⚜🔤约 50% 🥟😸的文件查看🎧🐯和文件修改操🔴作是重🇸🇬复的——‼🔭也就是说🏫，Ag🇹🇨🙅ent 在反👊复读同一个文件🇦🇬⛵、反复改同🇿🇦◾一行代码🕕👎，像一个人🙈在房间💂♀️🇸🇸里转圈，越转越晕🔽，越晕越✔转📦。
这种能力让中国企🌨⚪业在硬件上🐀🎥领先，更在服务⚫⚫标准和💋商业闭环上实⛹现了领跑📘🎷。更麻烦的是，🏗研究者🍈💹们此前也💑👨👨👧尝试过专🎥门把VLM🚉👨❤️👨在"具🇸🇮🌽身场景"（即机♏器人所处🇬🇪🏁的真实物理环境类👙🇰🇵数据）上再做一🇬🇪🍤轮微调📼🇲🇫，期望🙎让它更🇼🇸理解机器🤨🇻🇦人世界——但实🏋🎿验证明，这样做在✖🐃VLM的理解能力🚂测试上可能有🐽🕜提升，却🇨🇾🐮未必能让机🇦🇲🇱🇧器人真正做得更好🚟。
发现五☸：连模型自己🌎☔都算不准自👱♀️己要花多🎍sem运营少钱 既然人算🈁🇵🇸不准，那让 A🖐📘sem运营I 自己来预测🌷呢？ 研究者😳😡设计了🎍🏣一个精巧♾️的实验：🗓让 Age🔧🔌nt 在真🆓正开始修 B🆘📼ug 之前🚪，先“ in🍱spect🥄”一下代码库，🇱🇮📨然后预估自己🎍需要消耗😗🏫多少 Toke🚍n——但不🍯😒实际执行修复🆙⛩。这直接导👁🙋致手机专用DR🕥🖕AM、NA🐚ND闪🦠👤存产能被大🔼幅挤压🚡☣，价格大幅😨👆飙升⏳。由于被剥夺了核心🎽动力源，🚉原本能够自主🇪🇭行走、灵活度😏极高的Be😡bop，瞬间退化🥝成了一具🦕🚑毫无生气的钢铁🙃。
