（来源：上观新闻）
” 罗福莉指出🛄，Op🍻✋enC🔭law出现⤵🇨🇷后，随着任务越🖤来越复🇳🇦📚杂，需要大🎞模型以低成本、🇫🇰🌺高速度👩🦰且稳定地处理很🍅⚡长的上🇵🇭🔺下文（co☔🇳🇱nte🇹🇬xt），因🤣📩此，大模型上下👆文处理▶🏨能力的提👹🥦升也成为👃🥵当今行业🚘的竞争重心🕶📽。因此，黄超给出🏧🇻🇳的判断是，人🤩们现在对各类智🏘能体应用的热👩👧👦情，在相当程度🔀🧴上仍停留在新鲜🥞感阶段；但🏊♀️若要让智能体真正⁉沉淀下来、真正😌😽进入生产🗯场景，仅◻仅依赖某一项模型🥠能力突破并🦍🍢不现实，它需要整🗑个软硬🤽♂️件生态的一致协同📶。
研究团队最终🕴选择优先BL🔛🈚EU分数的原因是🇳🇱🏙，对于🚌低资源语言🐙，基于规则的评👨👩👦👦估通常比基于神经📼网络的评估♉更可靠🙇♀️。商业模式：软⏫🥘件层面🔏，面壁智能🎼❎已经将自研🇱🇹🏂的Age🕤nt框🏉架Edg🇹🇦eClaw开源🇸🇬。Q&A Q🌔1：N🎱emotro🛅⤵n-Casc💮🚟ade 2与其他🧑📤AI模型相比有什🇦🇷🍃么特别之处👩⬇？ A：Nemo📌tron-😣Cascad🎤1️⃣e 2的最大特点👨❤️💋👨🐌是用相对较小的🧥模型规模（30亿🚋激活参数😼）实现了通常需🇱🇨🥂要数百亿参数🚣才能达到的🍟🖥性能🇨🇽。
