（来源：上观新闻）
DeepSeek8️⃣🍎过去能用5💤00多万🇧🇷美元训出V3，🤦♂️靠的是方法论🐿♒上的极🦀🈁致效率，包括M👨👨👦👦oE架构、多头潜👹在注意力🧚♂️🦡（MLA）、💋细粒度专家🙋♂️🐼路由，每一项技术🌓创新都❗是在有限🇵🇼算力下榨🌾取最大性能🍃。比如电芯，我🍈们不会砸 20👹✉0 亿建厂，🇲🇬🇨🇱而是用↙🥓 5 亿做 “🍆🤘小体量创新”🇰🇭——在能👨❤️👨🇨🇨量密度、散热结🚩构、快💶充算法🏨上优化⬇。
一位在制造业工🍙作了二十年👠的工程师，🚷没有任何🛥AI背景，但他用👩🌾AI工具把自😛🥚己多年积累的📤工艺经验💋🕯系统化🎽，做成了一📄套面向中小制造🇨🇲🥜企业的咨询产🔏品🇼🇫🇭🇲。这就进⏮入到第三阶段👩🦳——大多数第🔖🎂二、第三☸制服...中文豆花名企业，只能🇸🇴👈做到比第一名便❌🧬宜 10%，性⛲能稍微好一点🇿🇲🏙。AI降低🇷🇴的是"智力⚛密集型任🚏🐚务"的门槛，☃但它同🎨🇧🇹时也提🌙👨🚀高了对🎽🦴使用者判断力和创🇧🇾造力的要求🅿。
而这些永不满足🇱🇹、追求极致，🕒👩👧才是驱动人类进🇸🇳🇧🇸步的核心力量🐌。不过，👨🦱7️⃣梁文锋的想法，🛐依然阴晴不定🔶🐑。这是 ✋🕗BADAS🇳🇨-2.0 训练🔙集扩展的📀🛣物理基础——🤾♀️论文把 BAD💏🙋AS-💤1.0 作为"🍧⬅active o🎖racle"部🎆🇧🇻署在这个集群上持🚁续打分，❎把高风🎍😻险片段筛选出🍇🌔来送去人工标注，💟🧠从 40k🧺🤥 扩到 178🇪🇺,500 条（🐎◼约 2M⚱ 窗口）🚍🏞。
