（来源：上观新闻）
迪特尔事后🔏🧿评价说，正是拉📳奥让公司意识到，🆗多找几个伙🇺🇬🇫🇯伴可以发展得🏏更快😴。但这不🆙🤡妨碍他们想😞🌼要它🤱🇩🇲。具体架👨👧👧🎟构要素：🚜🇪🇷 编码器 E_θ🇨🇬🗺：ViT-L🔠/H/g🇱🇹🇵🇦（300M–🏍1B 参数🌌），把视🏯频切成 2×16🇰🇼×16 的 t👫ubele🧜♀️t 预测器 🇮🇪P_φ：一个轻🇳🇺量 ViT-🇨🇱🈂S（约 22M📀）预测被 🇨🇳mask 部分🇧🇷🏳的潜空间表🚻征 使用 3D🐠🎥-RoPE👽 位置🌻编码（时间+H+🏃W） 📋约 9🐾🇨🇴0% 的🚬高 mask 🥣🇭🇳比率，L🍍1 损失，EM🏨A te✴🧧acher 🛀⛈防止表🕡🇲🇶征坍塌 训练数😤🍮据 Vide⛅oMix😅🚷22M = 2🎫🦓200 万🕺视频 ≈ 1🇲🇳📇00 万小时互🇲🇲联网视频 🖤在 Somet🇻🇮🦋hing-🚕🔀Somethin⚖g v2 取🗡💉得 77.3⛵% top-👩🎤🧗♂️1（运动📮👢理解）☑🐁，Epic-🌰Kitchen🏴🕹s-100🐮📆 动作🛵预测 39.7 🍛R@5（SOTA👨🍳） 为什么像素重🐺⏲建不适合碰撞预⚔测，而潜空🤼♀️间预测适合？像素🌫🍑重建优化的是"下🧠一帧长什🛎⚔么样"（视觉保真👁️🗨️🤐度），潜空间预😓🐌测优化的🇲🇺🕓是"下一帧的抽😓🇱🇸象语义/物理状态😨🥨"（物理🇶🇦因果）🇷🇸🇱🇰。
”彭志辉表示🚝。Anthrop⚡😓ic文档🦊🤤写明，Cla☣🇲🇽性感中出ude 4系列现🏘🏃在默认返回s🇶🇦🚳umma👊🐳rized👨🎓 thinki🖲ng，某🌤🇧🇧些情况下甚至直接🇮🇲🐘omitted，🥩🀄但计费仍然按完整🤣thinki🇧🇩ng token🇷🇼🆔s走👨🇹🇬。问：你们🧹©怎么定义和合作伙🇦🇩😁伴之间的🚻📭界限？🕑👩🦱是倾向于做那个🥖全栈解决方案提供🐓🦴商，还是说只提🇨🇲👨供机器人大脑🥡🍚和本体，由合作伙🏗🇦🇿伴二次开发🎩。08 焦虑🦡🇨🇮的反面不是自满，🙎🙆♂️是清醒 回到最初🏦🏩的问题：AI时代🛎，我们🚾需要什么样的心👸态？ 不是焦✖📭虑，但也🇹🇻👱♀️不是自满🇨🇺🔁。
