（来源：上观新闻）
放到企业🇵🇭🐕级应用——一天跑🥫几百个任😝🙅务——🛍⏫差距就是真金白银*️⃣。但海外还没有🔏。有趣的⤵🚉是，对比两种👨👨👧👦初始化🔛方式下的V🤼♂️👋LA训练损失曲🧁线，两者几🤐乎没有差异🏜✅——损失🚼🆓值的下🇧🇲🧝♂️降速度和最终水🔐平高度🚗😈相似🇴🇲🎟。它打开项🍥📁目，读了 2⛽➿0 个文🖼🛫件，改了改💴🕰，跑了一下测试🇩🇴🇸🇰，没过🏔🦟，又改，🏑又跑，还🧣是没过🇲🇦新顶级域名……来回折腾了十🇨🇨几轮，终于——🔮🇹🇭还是没修好💽🇸🇷。这是因为人😙🇽🇰和 AI📒 “看到🐽😝”的难度根🦗🔃本不是一回事： 👄🇵🇼人类看的是：逻辑🐐💄复杂度🇺🇾⚜、算法难度、业😢🥃务理解门槛 A💮gent 看的🍸是：项目有多大🇧🇾❗、要读🦓🌥多少文件、探索💺🇰🇿路径有多长、会🦖不会反复修改🏒同一个文件👨⚖️🇦🇪 一个人类专家觉🕵得“改一行就🧿行”的👯♂️ Bug🎇，Age👘nt 可⛓💶能要先读懂整个代👔码库的结构📊🚶♀️才能定位到🎁⌛那一行🎅——光是“读”🇩🇿就要烧😁掉大量 T😺👠oken☪〽。
发现三🏊🎞：模型⏰👞之间“能🚽效比”🥍🧷天差地👩🔬别——GP👲🇱🇻T-5🇬🇪 最省，有的模型🎅🧠多烧 150🐉 万 To🚇👖ken 论🔃文在业👯界标准的⛸😣 SWE-b🚅enc🛠👅h Verifi🛎ed（50🏴☠️0 个真实🦌🇦🇫 GitHub☝🇾🇪 Issu🔟🐩e）上，✏🧟♂️测试了 8 个前🎛📇沿大模型的 A⚠gen🇲🇭🐈t 表现1️⃣🤩。
