（来源：上观新闻）
不要觉得这个离👫我们很遥远，实🛁际上中🦸♂️🛂国已经有这样的公🧩司，目标就是🌩抓小行星采™🇪🇪矿，所以🌬🦢地球之外还🔗是值得探👨💻索的🇲🇱。把这些跑🇷🇸分放在一起😽👣看，会🦍发现这次模📁型的评⬛🍰价标准正在发🇵🇪🕢生变化：过去🆖🇿🇦我们常💸⏬用MMLU、G🛏PQA这💩样的指标看模型💘的知识和推🐇seo翻译成中文理能力，但现🚣♀️在更侧⛏🦖重于GDPv👮♀️🥈al、OSWor🦏🎢ld这类“任务级🔭评估”🚏🎩。
至于为何“⚖小龙虾”这类⛎智能体在🤳春节前后集🧻✨中爆发，安筱鹏提🌁醒关注发生在2♥🌍025💬年的两项关键👩💼技术的突破👷♀️。这条从灵感到成品➕的链路，🚀过去必须跨越多个🎂🦠设备、多个 A🇱🇨🔏pp，现在第一🇭🇺次被压缩到了🕸一块屏上🇬🇼。12名人🤝🏮类专家🗄📈负责全流程标注⚓，不仅设计📦问题，还要⛑为每道🎣🧻题精心打磨8个🥟😞选项👬。芯片、🇰🇮🇻🇬光纤、👩🎤变压器、🇧🇬⛱电；中国🥛人车间在三班倒，🤛美国人电网在☹🇱🇺望眼欲穿，有人在😬🏴高位卖出🏹🎡，有人在低🦁🧽位入场🈯。
200亿📖🚺美元估值要🌈😇证明的，不☯🇩🇰只是模型强🧢，而是模型能⛔▪不能转成稳定的商🎈业系统🦖🔲。同样一🤞件事可以用🖊🥡更少的to🔏ken完成🕍👩🏫，不仅📹是体验上的提升，🏁👖也直接影响到最🧖♀️终的成本😢🔷。这个词听起来很高🧡🇬🇾级，那它🖇到底是模型🇦🇬真的学会了如何📚管理a👨🦳🦛gent🕖 run🧼🇳🇦time？还👩✈️是说只是因🌃为这个任🙆♂️🔭务的har🍡🏛ness写得好、🇲🇪👩👦任务设🥏计得顺🇽🇰，还是🚦评测环境对🛥📘它比较友🥕🎚好？ 我现在很难💮判断🕟🖌。
