（来源：上观新闻）
作为对比🐎，当前头部模👣型公司的API调🎼用，大致处在🚇🤱数百亿到千🙁🤽♂️亿to📖🏋ken🏩👬/天的区间🍐。我一直想的是💱，能不能有🆗🔲一种更好❇的方式，把这♉些数据量化，🇬🇳然后从里面挖⛅出一些可👨👧👦怎么引蜘蛛出来能被我们🔑忽略的趋势，🥜或者信号👻。在如此🇲🇩严苛的审视下，各🇹🇭🇦🇿路前沿大模型的🇸🇦真实水平暴露无遗🏣。较弱的模型干🔻🗾脆显示出极🍌高的随机性，答😏🚨题表现起伏不🗞定🍙🏆。但在推理📷📪连贯性测试🆑中，随着从线索定🇧🇯🍞位向因果解👫🎯释步步🇭🇳紧逼，所有模型的👎准确率均🔗呈现平📂稳下降的趋🎷😋势⏸🛤。
然而，在这一轮🥒技术浪潮中，🇵🇰👐相较于模型❗层和基础👨🦱设施层的快速🎧推进，AI在应🇸🇰用层，特别是‼⚜消费端🧙♂️⬜的落地🙎♂️👵和商业⬛化却似乎🍟始终慢了半步👫。很多模👨🦰型虽然宣称🇫🇮支持超长🌦上下文，🍔😄但真跑起🏄来很贵🇱🇷。历史上，探⏸索室温超导😁有各种各样的乌龙🦸♂️🍳事件，科学家曾预📜言，很多有机超导🖌材料，因为有⏩机材料🗑🦵组合起来特别多⛄，有可能找到室🕯👭温超导🈯。近期比较明显的一📂🔩个例子就是A🥜🚦nthropi🐀🇭🇲c推出了🍛⚽Claud De😩🇧🇮sign当天💛，Figm🐵a——这🇲🇩🎖个在传统设👆计师领域非常顶🇲🇪🇷🇼尖的软件，当💹🍡天晚上就🕙跌了10%，🏏🧮这样的事例过去半🇸🇰年在工具侧是🇰🇷🦷非常多的，很可😎能大模型👨👧👦一次功能迭代，就☀直接把你半年甚至👧是过去一年做的所🤺🇺🇲有工程化努力都🛑🇱🇰掩盖掉了🧖♂️🛵。文：王智远😊 | ID:Z🤚201440 🇧🇾Open😷AI 发的新模型🎧👩，身边🇹🇰人玩嗨了✋。
