（+微:hywyysxs）
这都是急于解☯🇧🇮决的现7️⃣实👩🎨。它采用⏫🏩dec💺🇨🇮ode👨🏫r-only🇰🇵🍔自回归🌅🧞♀️Transfo🧵🚯rmer，👨👧👦文本token⛩🇨🇱与图像t🖇👩oken共享💢🇺🇸同一个👐序列—🛂— 也就是3️⃣说，模型不是先翻👩👩👦👦🏇译再画，而是同💨时跨模👨👩👧😳态推理；构🚦⚖图、空🛴🕰间、品牌🧜♂️一致性🇩🇬这些约🔣❎束，是在像素🇭🇲🅾生成之🌳前就已🥴🇷🇴经在结构层面被求🔠解🙆♂️。
几个case好🦛可以靠💑运气，但换什么🇨🇮🇰🇼题都能做对，只能🦸♂️说明它底层能🚛🇿🇦力是稳的👮。这会让实🎍际测试次数增加♍30-50🚪%🇸🇴🔲。“我们目🦄🚦前认为🛫◼在端侧👼🌧运行模型的➕🏢最优解🐃🧨是35B上下，💜⌚再往上🦒🤯成本过🕚高，往下🌤🚵♀️则能力受🐻🐑限，35B是一👨❤️👨🍈个甜蜜点☦💗。
但在 C🇬🇷PO 测试中，因🍾为技术还在🇹🇲🧠快速演进🔶👉，客户更倾🎷向于“混搭”方🇲🇶🕑案：从 🙇A 公司买探针🤷♀️台，从 B🚃 公司买光学模块👩🦰，从 C 公司买⚛🐪 ATE🧴 设备，🧖♀️然后要求🧖♂️他们整合在一起🥴。经营现金1️⃣☂流30亿美🇦🇱🌯元（vs 🇵🇫🇴🇲去年同期9.🇳🇨4亿），改善⛽来自更高的净利润🤤和营运资🙇👩⚖️本效率🚽🇬🇮。
