（来源：上观新闻）
不同Agent😰围绕同一🤕业务目🙆♂️🍵标协同工作：有0️⃣的负责感知数😪据，有的负责🔶分析原因，有的🥧负责生成策略，有😢的负责执行动🚩🚨作，还有🇧🇦📄的负责🚲验证结果、持续迭🔰👨🏭代👩🎤🚶。不过，相比起🚽🕎“1.6👩🔬🇧🇿T参数”或者 “☂🐭百万tok📵en上下文🇵🇼🦠”这两个夸张数字🔟，技术文档☕🧰里的两个🧺十位数更🏋值得关注：27%🕴🇹🇷和10%🎡🦏。2010🎢年之后🕦，Snow🔟flake、🚱Data🌸🤪brick🇲🇺s、Thi🇬🇮⛎nki👐ngDa🚾ta等公司，🥬进一步👮把企业带入“🦇🐹理解自己”的阶📬👩🌾段🐞🗓。
因一年12🧛♀️📖次融资，该公☂司被外界称为全🌷球具身🔝智能领域融资节奏🇵🇰📐最快的🦹♀️独角兽🇲🇶。模型要在感知多模🚒态时序信息🌠的基础🇰🇮🔶上，结合世界🇸🇲👩🦰知识与社会常🐉🇨🇷识，去应⛴对真实场景🈸♋里的多步🦒🕣推理挑战♎🍎。。周津给出了一个🦙🔺很鲜明的判🇨🇰🐡断：大模型给了A🇫🇯gent推理能🐋力，工程框架给🇦🇫了Agent🐣执行能力，但A🧡🇺🇦gent要想真🙆♂️正进入企业🤐dea模型对于本科难吗、接住👁️🗨️🧛♂️具体业务，靠的🇵🇭不是模型参🚠🍟数本身，🐧🤞而是对企业数⬛🇧🇲据的深度🧖♂️理解💺🇭🇷。
2、降低RL😖的训练门槛 通过🥳架构优化，系💭统所需🇦🇨🔨训练的参⛷数量从原🧴本庞大的3.🍵🐶9B骤降至约13👚🚐7M（仅占VL🇬🇭🕶A总参数的3🐙🥫.5%）🥮。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🦇🙃。所谓幽灵外📥😺卖，就是🏸一些伪造或未🥬取得食品🕞经营许可、🏍没有实体经营的店👄🍁铺，通过层层🤽♀️转包的方式消♠化外卖订单🇱🇰💍，带来巨↕大的安🎀✂全隐患[1]🏵🇪🇪。一个智👿能体完成任务，📓🔉往往需要多🇳🇿🧩次调用模型，每🇧🇶➕一次调用都要求低👩👧👧延迟、高并发🈶🧳。
