（来源：上观新闻）
这套流程最值钱的🌮地方在哪🍋♿呢？它📿📐把企业付费从「一🥗👩🦰件要专门🍵决策的事」，变🍆成了「一个🇹🇦默认动作」💇。Rom🍂🚏ain：我🇴🇲🚢觉得Peter所🤫做的事情最😡令人着迷的地方🤥🧫在于，显然我认识🇳🇦🚴Peter已经有🔩一段时间🏤了，当人们刚开📕➿始玩O👆penClaw的🏧时候，🇳🇱每个人都曾瞥见过🕌🆓未来的模样🇸🇾👖。我们正在实时见😃证这一🐓🦎过程，🇳🇫🐍而其中所涉及💶➰的一切还远未完全📕🤵被理解，这一旅程🇳🇵🏒远未结束🔖🤴。基准测试就在那里🌀🅾，我鼓励TPU🤼♀️或Tra👞🇬🇦inium使👨👩👧用Inferen👴🌺ceMAX、M⏪LPe🐷rf来展示他们🎸所谓惊🖐➿人的推理成本🇧🇯优势，但😮‼没人愿意出来展示🧜♂️🧟♂️。推理芯片需求的🇳🇬爆发，👥🧐根本上😋🥚源于AI产品👦形态的演进🇸🇪。
又或者，对于‼那些代码能力🛌🇫🇲较弱的PM来说🇬🇳，担任一名编码助📪理或许更合⚫适🈚🥇。假如你对新项🥃目有一些⚗新功能想法🇰🇭，但又不太🧵确定具体🌸怎么做，现🖐🏬在用Codex就🗂🦸♀️很方便📏🖖。**三、😼NUMI😄🙍♂️NA在实际测试中🍌🔼的表现如何🧦👩👦👦？** 为了系统🇳🇫评测NUM🇷🇴🐒INA，研🇫🇮究团队专门🇲🇷✋设计了一个名🇻🇬为CountBe⚛nch的🇮🇪😣测试集，包🇮🇲含21🥒0个精🕊心构造的文字描😏述，涵盖了1到8💫个物体的计数场⏯🌧景，以及同👩👧🌼时包含🇰🇪1到3种不同类别🍫物体的复合场🛅🌕景📩🤳。这一平衡的关🏳键在于利用 ↕🆚LLM🍼🧜♀️ 的两项能力：一🇶🇦是在提供函数调⚗用上下文的前提⭕下，能够理📝解每个函数的😲意图；二是在处🦄1️⃣理较短程序🔣时，能🕶⚔根据输入准确📮🏭推导输出⏱。
