（来源：上观新闻）
三年前在🧬💆♂️硅谷，我问很多人🇲🇵：大模型能否拆👹成多个小模型协🏮同工作🙅♂️？当时多数人认为🔥这是外行想🕵️♀️♈法🥘🌏。这种能力🎃🎛在权重中的模⛓式存在📧🇧🇲结构性短板，工程🇿🇲师极难进行🍅局部事实的针😂对性更新🆕，也无法为特定🌕用户提供低🇷🇴成本的个性化定制🈴。平时除了紧🌹🦛盯埃隆·🇲🇨👨🦲马斯克🇸🇱、山姆🐑🥩·奥特曼等科技🚊⏰人物的🗼最新动向，以🏕及关注航空航天🤰🏞、硬核科技领域👩🚀的前沿进展🎰🍁外，我也非🇱🇻常偏爱阅读科🇯🇴🔹学史🇨🇵👕。
当模型从回答㊗问题演进😔为执行任务，🤾♂️🇲🇦当推理成本逼近训🇦🇹练成本🤬，当人才竞🇧🇪🔝争从"比理想"升👨💼级为"比确定性🤠🎄"，当🦹♀️🇹🇯Agent🥝的训练🐙🇲🇲需要的不🏴🏳️🌈只是算力而是复⬅杂的真实场景⛰🗨，那些🇳🇱原本可以依💂♀️靠方法论效率弥补🤤资源差距的窗口期🧰🔙，正在收窄💛🇷🇺。
