（来源：上观新闻）
在面对VLA🍱结合强化学习的🗡研究方向时，🇻🇳🔅开发者往👭往要面对🌫两座大山：动🎤🇦🇲辄数十亿参数带🦜来的极低🏧📒的推理效率的🌻门槛，以🐨👨🏫及微调时🐴极易引发的“灾🌼👩👦👦难性遗忘”难题🇸🇾。这次合并🌒之后，xAI获得🌆🗼了X的数🇹🇨据与分😧发能力，这意味🧜♀️🦇着，xA🍞🥧I不再🈁单纯做🎑模型，然后再寻🌂🎂求应用落🚎🇳🇦地，而是可以直🤦♀️接通过☂X这样🔕🤴一个高😟频社交平台，形成🅾“数据—产品—👄用户反🌑馈”的闭环😯。
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VLA📫🌛总参数的3.🎤5%）🚨。周津给出📈了一个很💘鲜明的判断：大📈🔘模型给了Ag🍳ent推理能🧓💼力，工程框📑🔽架给了Agen🇩🇯🏦t执行能力😱，但Ag😐ent要想真正进🇬🇼入企业、接住具0️⃣🗄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🍉。
