（+微:hywyysxs）
把生成模型的混♈合提示机制🌞（固定模板📿加可学习软提示）☘🍳改成只用可学习🍍软提示：MRR➰🤯跌到43.3🥪%，比🧭使用混合提🆔🥫示的版本低了4🇸🇨🐅个百分点🧝♀️，说明固💯😗定文字模😲板提供的任务指引🇵🇾🇨🇴对生成😏质量有🦏重要影响🌍🧖♀️。
行业普遍引🚬用的长期🇱🇧⏰目标，🐣是把整机物🔴料成本压到🎼🇨🇾 2 万🐭🇺🇬美元以下，而当🇳🇪前主流区间仍🇹🇱📺在 3 ✡万至 1🚐🇻🇮5 万美元🇮🇲🌘。研究团队分别统计👨🔧了模型在🇮🇱🏣 C/C🚆++、Go🔮👢、Rust 等不🧚♂️同语言项目上的表🥑现🥝。
展望未来，💈柯瑞文表示⛈🐋，随着大模🧁🇵🇼型推理🗞♓Token消耗🌠下降和国🍣产算力调📔度能力🖱增强，“📼更好用📞🛣”且“用得🇬🇺起”正在㊙推动人⏲工智能投入意愿上📙升，并加速商业↔闭环✍🥢。。显然，🐵🇬🇭当前A🇦🇹I尤其是方🤑🥜兴未艾的Age😼nt等，通过去🚼中心化🇻🇬的分布式服务结🔎构，正在对🌑🖲这种传统🍏🧐的流量经济产🇧🇩💊生冲击，这导致大🔚模型厂商要在🚃AI时代复制👨👩👧👧⚓免费商🦓👩✈️业模式，变得↪🆗更加复杂和🐞🈳不易👩👩👧😈。
