（来源：上观新闻）
研究团队在三🧞♂️个规模不🎦🚮同的Wan系🐎列模型👍🎀上进行🇮🇳了测试，分别🇪🇷是参数量为13亿🇳🇨🇧🇪（1.3B）、5🐏🕣0亿（5B）和1🌽40亿🧧（14B）🇰🇾的版本🇫🇷🧖♂️。而打破“老年➖🇱🇰人只会🕦⬛刷视频”这一🌀刻板印象🧚♀️的是消费🇺🇸🇧🇩数据🎰🧀。核心能力：⏪☎跨平台支持An💎droid🌯（ADB🥈）、鸿蒙（H🇱🇰DC）、i🇫🇲🛬OS（XCTe🥗st）；🦋🌹多模型接入📼🤷♂️Aut👨👧👧🇮🇪oGLM、M🚿🧕AI-U👌🛎I、GUI-Ow🏴☠️l、Qwen🇰🇳🧥-VL、💂♀️🇹🇻UI-TARS🚩🗻；个性化记忆，自👩👧👦动学习用户偏好，☘👨🔬跨任务持续🥨📥复用；Episo🇨🇵de记录，🇲🇷🕵每次执行以🥑⛸结构化Epis👩👩👧👦ode保存🈯😙，支持回放与数🌕🦛据集构建；We💱🕗b UI基🥃于Gradio🇧🇪，支持设备管理🈹🇮🇪、任务执🌯🕡行与记忆查🇲🇺🇲🇶看👩🌾。
我认为↗问题的关键在于市😞场结构到底💒🤙是什么样👩👄的㊗🕌。这种转变也👺📽在重塑行业的增🧸🍂长逻辑👸。其次，O🇷🇴pus ☂🐫4.7在较高“思📺🐲考强度📈🌒”下会进行🌞🎆更多推理，尤🇧🇮🔝其是在智能体（a🇬🇸🧓gentic）场🆙🌅景的后续轮次🖤中👨👦。
一个维度🔠🤶是单用户输出🇸🇴速度：你一个🍻人向AI提问🇦🇽，每秒钟能收到🍪多少个词🤰🗓。我们经常🇬🇫🇲🇽能够让他们的📨软件栈👩🚀优化再优化，使性🇨🇫👪能提升1🏐🎿至2倍⏯🇲🇿。这需要学习，需要🥇👩💻犯错，需要反复🇴🇲磨合🗯🇲🇸。（这组🇸🇹🤽♀️数字与Cer🤡🍇ebras官方技🚠8️⃣术博客中的描🧁🇪🇷述一致😌👩👩👦👦。
