（+微:hywyysxs）
V4在'后训练👩🔬'阶段💼也换了一条路🎈🍟。传统流程💌🧀要重拍、重P、👨🏫重做合规审查，单📡条预算从几万到几🧶十万美元不⏭⛲等🎢。V4不用业内🔨泛滥的参数平均法📉，而是😀♾️用了同策👏🐶略蒸馏（OP🍌D）🧳💤。原因是，只有👨👨👧👦我们知道该怎么🖤做📮🥁。
但过去🕺🧸几个月发生的🕰🕷大事是，这两家公😴司以及大多数🇳🇺🧝♀️ AI 原🔪生公司🥩🤹♂️，它们的毛利🌅率已经变🍁得非常非常正🇫🇰🚴♀️向🇨🇫。而机器人操🍂✏作轨迹数据🌙😭——比💌如LI🇧🇻BERO（一个机😑🇩🇲器人长时程任务🌈数据集）、👨⚕️Bridge📠-V2（真实机器🇽🇰人桌面操作数据）🇹🇦和Calvin🏥🇺🇲（一个机器😕人语言🥂条件操作基准测🍆⛳试）—🇯🇴—则形成了一😸🤽♂️片紧凑的"小👨🦲岛"，与VL🛃M那片广阔的大陆☀🇨🇼之间隔着相当🇬🇱大的距🌅离🕴🔜。
不要只看🐻🏸技术，要看团队的🔙工程交付经🌆验🎊🏋️♀️。研究团队👁️🗨️💐设计了这样一套方🤫🕝案：复杂的任👎🌒务规划交给🔱运行在远程💰🇨🇲服务器上的大🎏型专有模型（如🦐😹中国精子库如何购买GPT-4✍o或Ge🧺mini-2-F🤠🚋las😣h），它👨🔬🎵负责"读懂"✒*️⃣用户意图🍒并制定操作🇲🇹计划；而✊元素定位这🍔🦹♂️个高度专业化的👩🔧🍟视觉任务，则下🍺放给安装在手机上👩🦳的GoC🚣☯lick来完成✨🚬。
