（+微:hywyysxs）
然而这种🇿🇦方法表现🇲🇶最差，Calv🇨🇳in仅💒有1.527，说🇻🇨📻明这个指🖨⚫标捕捉的信号与🇹🇫🥼实际有效性之间🇨🇼存在严重脱🕙🦜节⌨👢。但无论如何🔨🧐，An🍂thr🚅opic 确实是🚂一家非凡的公💋🥵司🙇。结果显🐌📳示，在POP🇲🇼🀄E（物体幻觉评估🗡🥁）上几乎没有变👴化（8🖥6.33 vs🔨🇩🇲 86🏩.29），🎅🉑在Visu🇧🇪🐮Logic（🌖视觉逻☠🚿辑推理）和3DS💂RBench🛰（三维🌽⚪空间推理）🧥上略有提升🔞（21.00🔇→24🤽♀️.90和47🤴.87🔻→49.51🧫🎼），而在B🇪🇺LINK（多模态🌾感知基🔂准）和Spati🕕alEval🤲🇲🇼（空间推理基🥿准）上有中🎩等程度的下💮👨❤️👨降（4🇲🇭3.4👢🙍5→4🧷0.4🇾🇪🇹🇴5和49.8🎵♣2→48.00🏀😩）🍿👇。
这三条路🍼🍌，哪条📚🎓都不是完美的🌸🇸🇭。一方面，免🧖♀️⚙费让豆包🐞每天坐拥12👩🎓🦡0万亿Toke🇴🇲n的数据流——🛎海量人类语言🇭🇳样本的价值不🏳🌲可估量🇹🇴🛴。但这块🇷🇺🥡试金石的结果现在👩🦳📿还很难预测—⏱☦—乐观者🌼🅿看到的是未来3✒🚺.45亿用🛳户中，哪🧥怕只有2%👩🚀◾转化成付费↔🍋用户，也能给豆😍🦙包带来近千万🇮🇴🕉级的订阅商业⛰场景🈯🇭🇳。此外，对🥣于某些说🛵🚨法，我们也必须谨🍔慎对待🔡◼。
结果显示，在P🚆OPE（物体👩👩👦👦🍟幻觉评估）上🚮几乎没有变☺化（86.3👃🔢3 vs 🕡🧧86.29），💪在VisuLo🚏🌡gic（视觉逻辑🇪🇬推理）和3DSR🙊Bench（三维🍄空间推理🦹♂️）上略有⛔提升（21.👁️🗨️🇰🇪00→24✍.90和4⛈7.87→49.☄51），而在B🦎LINK（多♻🌎模态感知基准🇵🇰⛅）和Spat🇩🇬🎟ialEva🥗🛁l（空🚘🇷🇪间推理基🐔准）上有中🇵🇸等程度的下降🇬🇦（43.45🇧🇧→40🇪🇬📭.45和49.🇷🇼82→48.0🧘♀️0）🚜↪。
