（来源：上观新闻）
长上下文+低🤝价API+Age🚙🕒nt适配的🏢🛵组合，🐃☄本质上🌖🇦🇬是把自己做🍭成一个供电站🐊，让所🇻🇦🥅有电器都能🦈🛤更便宜地跑😕起来☕。前后两天，闭源🐼与开源的两🤗种定价逻辑，💜面对面🥨呈现在了市场🔧面前✳🅰。晚点：这种做法以💇往有两个🇭🇰难点：一是🇧🇹◽ VL🧓M 需🍺🍷要大量数据，而💾🤖机器人数据👩👧👧⏺相对有限；二是📻😫训练多模🌒态基模🏓🤹♂️的成本很高，😮以往只有大🇬🇹🇲🇭公司和🐑大模型🎿🤾♀️公司有😼算力、人才投🇰🇬入 V🙀LM 🥫预训练🥚。
。" 与此同时🧔🚴，AWS在芯片领🇮🇱域并未完全聚焦🎸🍤于自研路线🇲🇾。结语：Dee🥣🇮🇴pSe🇰🇿ek-V4，👨🚀又一次定义开♒源模型的上限 D⌚eepSe❗ek-V4系列👁️🗨️模型确🚀实带来🌋了惊喜，尤其是在🤼♂️智能体🥝编程方面，其长😃🥔程规划与执🇹🇫行能力令人印象🚴深刻🤹♀️。DeepSeek7️⃣-V4-Pr🔨o的开发🎰🥰结果如👴🎥下，从前端🖇的角度来看，这🐥🌙一数据库在美感层🍓8️⃣面稍有欠💽缺，但所有核心功🦴能都运转正常👩🚀。
这也从侧👐🛄面印证😡了V4🔖在自主算力💧适配上的深度投入👗⌛。研究团队没🦈🕍有试图让AI重新⛏🚴♀️学习语义🏄♀️🇻🇮，而是发现了一个🍟更底层、🌵更简单的问题👩🏭🦝根源，并🐴用几个精心💉训练的"🇰🇭🤱缓冲标记"把🍑🤪它化解于无形⛽。在长文本场景下，📷🥁优势更加惊人5️⃣🧂：大海捞针任🌊务上首To🚌🍼ken时延降🏌️♀️🔛低了整整19🇰🇷📃.45倍，📛🐜MusiQ🇮🇳ue任务上📴降低了5.☸👩🍳81倍🇬🇱💥。
