（+微:hywyysxs）
长上下文🔠🦷的核心问题，🇹🇷从来不😤🐏是“记⬇得多”，🖕而是“算得起”🇬🇹🎏。--- 二🇧🇳🈸、"瘦身"方🎋案选错了：为什么🧴简单缩小🧞♀️不管用？ 直觉上🧞♂️🍝，最简单的🚋🇲🇱做法是把👩👩👧👨👧👦那些已经很🎮🥽厉害的大模型"按📙比例缩小"🇧🇫。随API、🇱🇹1️⃣排名榜单一同发布🤗的，还有两项硬🇱🇧指标值😁得一起看： 🇸🇨👩⚖️价格腰斩：2K🇮🇱7️⃣分辨率单图最低$📃0.040🔇4（合人民🇮🇱币0.2🚆755元），对🌊🧰比Nan👶⬅o Bana🚻na级👘💄别模型直接砍半📚； 落地飞🎨快：阿迪达斯🚤🏔、马自达以及阳😤🇳🇬狮集团等🚿📲广告大户，🇹🇩已经带头签了单☔。
这一代的🚾代价比🇧🇭隐私更深一层👠，它甚至发🇹🇱⏺生在用🐖户还没意识🤰◻到自己已经👩🚀➿把什么交🚜🐓出去的时候🇱🇨🇮🇨。而在如❄今内存🇬🇭💎可能比CP〰U都贵的市场行🛠🇮🇷情下，更大内🇸🇭存的开♈🇲🇶销又是一个可✍🤚观的数字👨👩👦👦🛫。文章内🚺💳容系其🇬🇼个人观点，🚨👐我方转载👵🥗仅为分享与🙋讨论，不🕳🐏代表我方🗄赞成或认同，如🛑有异议，请🉑联系后台🏊♀️🇸🇨。
其次是🇨🇵🤮附带选择权的收🏰购交易🏫↩。3）政🥘🕝策方面：算力支🚂📞做供精需要什么条件持政策不及预期😼🏌️♀️；能耗、环评⛄、土地审批不🇳🇷及预期；🇬🇱🌸项目指标审批不🙁及预期等🆗。也就是🈷🧦说，AI 👨🍳在过去几🗺💥个月里🇵🇹真正变得💁做供精需要什么条件有用了📴。第三种替代方案是🧗♂️VLA条件困惑🚣♀️👨🚀度：先把VLM©在文本🕎形式的VL🚜🆖A数据上🈳微调一遍，然🕵😉后用这个微调🇨🇵😴后的模型对候👯♂️选VLM样本评💧估困惑度（困❔🍓惑度可以理🇭🇲😍解为模型对这段▫内容的🇷🇸"意外🚠🚩程度"，越🤮低说明🕢越符合模型预🅾📅期），困惑度越🇰🇮低的样🚴♀️本优先入🐷💦选🐈👨👧👦。
