（来源：上观新闻）
他向员工表示，公😵司“不会为👜了技术而发布技📃术”，这👩👦👦🚔意味着发布🇵🇷将以可用性和系🔯统级一致性🏴为导向，而不仅仅🇨🇭✍是追求🇬🇳🍳速度🌂。Emb😶odiedMid🇹🇫train🗿🦞不使用机器🇬🇷🇸🇷人场景数据微👶🖌调VLM，而🏏🎖是从VLM原🛎有的海量训练🤹♂️🇻🇺数据中筛🇦🇸选出与机🎖🧵器人任务"世界观🛳🇬🇩"更接🕊🎙近的子集🍧，用这个精选子集🤖🥾对VLM进行过🤞🇧🇹渡训练，让👩❤️💋👩☸它在进入机器人专⤴项训练前就具备🇺🇲🇵🇼更好的基🇹🇷础状态🔵。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（📟🧰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 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 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”♈o2o和b2c的区别。
这就是🦌🇵🇭为什么🤝🔷，法庭上的☣目击证人，常🏋常给出错误证词的👩👩👧👧🌓原因💪。我们找的是普通农📻民、返乡青年📣、小茶农🥰👶，他们想做🤜但不会做🤧。人脑在睡眠中做的♉o2o和b2c的区别几乎是同一件事🎬🦵。但这里面，到20💁25年只有❓🐲不到1🇲🇻🤮%成为了专业🇾🇹🍶的 AI🗣🐔 创作者—👊—也就二三十万🇹🇴人🚶。这个比例如果放在🌵👩👧高度成熟的S😕aaS软🍘🇹🇹件行业🎰💌或许并🦶不稀奇，但在📬目前依👨💻🔬然由极其沉重🙃的硬件👽主导、供应链高度🥕🇦🇴复杂的具🕺🇦🇼身智能领🥔🇸🇭域，它标志着市✖场逻辑的👬一次深刻重构🤠⚫。
