（来源：上观新闻）
无论是忙于📻🚥验证新想法的🇺🇦🥛初创团🇺🇦♊队，还是需要处理⚖海量数据的跨国🕵️♀️机构，👩🌾🧶都在频繁下载🈵和调用🏂这些公开的模型🇱🇹权重♊。那是在2010年⬆🇩🇯代末，📉Kub👜ernetes🎠🤾♀️开始普🆔及，由于该技🤷♂️术能提高服务器🇫🇲🇧🇹效率，市场⁉担忧企业用⚾更少资源🇧🇹即可实现🦟同等业务效果🇦🇨，进而导致服务器🇧🇲✡与存储需🚯🤪求下滑❔🇬🇶。本质上，它考验🐅人人插人人人人摸人人爽的是对🇪🇪🇾🇪自己和外界😶的认知边界🍧。研究团队不🍮😑仅公开↔🛁了最终的模型权重🕜，还详细🔮发布了💧🤦♂️训练数据、代码实😡现、实验配置，😥甚至包括失败的🌌尝试和调试过🚟👨⚕️程🤗。
在配备 Ap🎴🖊ple M4 🇷🇴Pro 🤹♀️芯片的设备上，4🌞B 量化⛎🥧模型可实现高达 💜476🕕👈 tokens👼🙈/s 的预填充🐥速度与 76 t🤧🐦人人插人人人人摸人人爽oke🕰🙃ns/s🐽⛴ 的解码速度，峰♒🇻🇦值内存占用仅为👩💼 4.3🔁GB，完美适🔫🏳️🌈配主流边缘设🔦🎚备的算🥭🚵力与存储限制👔🎑。
我们的分😯析显示🥐，这使他们当前宣🗞称的 30🙅🐩0 亿美元 r🦠🔣un 🚓🇬🇭rate 被🐩高估了大约 80👨👨👧👦 亿美元♌😋。在图表与文档理解❣🥎类任务中，AI展⚜♓现出了系统🈯👲性区域综合1️⃣的特殊能🎗📳力🐩🗃。七、错误模式的💳👦深度解析 错误🖐分析揭🇪🇹🥏示了一些意想🎦不到的模式🤕。因此，大家不禁🍞🇭🇳在思考：Tra🧬nsformer🖼🛢，到底需要什👨👨👧👦么？ 一位👶📜网友对🌁📂该项目「🔟在 PDP-13️⃣🍕1 上训练只要 💦🈹5 分钟」表示📀🌝惊讶，而更让他震🏴惊的是🌙🔸，这似乎说明「我👩🌾们其实🥤一直都可➕以做到这些🚼？？？🇲🇾」 另一位网友则🎽🎑认为，不必惊讶🥗🧟♂️，是的👩🍳🎙，我们一💤🎓直可以🚼做到这些🥐。
