（来源：上观新闻）
一个值得🏐😹关注的细节是，加🍲🐓了NUMINA的🕑🏞1.3😉B小模型（49♦.7%）居然🇵🇭💇♂️超过了完全没有任🎀🏫何辅助的5🕊B大模型（47🇹🇩.8%），这说明🇲🇩🇹🇦NUMINA的⛹️♀️引导效📏🏦果弥补了相🇦🇮🦟当一部分参数量🧂📻带来的能力差🚤👨🏫距💣🐐。电动汽📖🛄车比内🕚✏燃机汽车需要更🧛♀️多的半导🏙体🔭。● 第二问🐔🇪🇦：团队🧔🍲背景重要吗？ 具👭身智能是当下🗒🔮最卷的赛道之一，🔅🏊团队背景🕠的重要性怎🎌么强调都不为过👯♂️🤦♂️。
它落下👩🚒👁️🗨️来的，不只是🏞一级助推器🐍⌛。” 而问7️⃣题也出在这里🎤🌹。现在我们🌙⛱可以把🇰🇼同样的能力⏬🤨复制给全球任何一◾家大客户🕵。为什么采取这🦇🚊样的策📡略呢？ 黄仁勋🙋♂️：我们从来不这样🔌做🇺🇦。订阅制的账才🏀算得通🍅🕌。另外，前几天有🔐人问过我这🐌🕟个问题，我才意识😽到，自🐡🎵己根本不知道大家🔂🎥都是从哪所大🎌学毕业的！ Pe🚙ter Yang🏗：是啊，谁在乎呢🕸。工程设计、🈂🧒封装、堆叠🍲、数值优化，🌀以及系统架构上🧥🕢的种种改进都🖋大有作为❎💵。用户盲测中，研🤖🎨究团队邀请🦑了10名🆗🧗♀️参与者对100🦐🏑对随机视频进👞😺行主观评分，✅🤙结果61%的参与😹者偏好NUMIN🐴🚴♀️A生成的🔗视频，39🕶🇧🇿%偏好🇱🇷⚗原始模型🇩🇰生成的视频，印证🇨🇽🎏了客观🇲🇸指标的结论🖼。
