（来源：上观新闻）
具体架构要素：🇲🇱🎞 编码器 E_🎎θ：ViT🏖🗿-L/H/👩⚖️g（3🥂🇬🇾00M–1B 🐣💥参数），把🥨视频切成 2×😵⚜16×16 的 🇵🇫tube💙let 预测😼器 P_φ：一🧩个轻量 ViT🇨🇲-S（🇲🇻🏞约 22🇼🇫📂M）预测被 🔒📔mask🥵 部分的潜空间表🏴👨🎨征 使用💙 3D-RoP🇲🇫🕜E 位置😄编码（时间👊+H+W） 约🇲🇻 90% 的👩🏫高 ma⬅sk 比率，L1🧓💢 损失，🎪EMA 📝teach🍒er 🇰🇷💀防止表🎩🇲🇽征坍塌🇲🇽🔫 训练数👚🍜据 Vi👨👧👦deoMix⛹👳22M ◽= 2200🍧 万视频 ≈ 1🔃00 万小🏂时互联网视频 在🧪🛅 Someth👧ing-Some🎊👨👨👦thing v2💖🇵🇹 取得 776️⃣.3% t🛩😉op-1（运◻🇵🇷动理解），E🕉🇰🇿pic-Kitc🤐hens-1🐃↘00 动作🙉预测 39.🇰🇳7 R@👙⏯5（SOTA）🏄♀️ 为什么🇯🇴⚗像素重建🐾👩🦱不适合碰撞👩🎓🗞预测，而📒🐤潜空间预🎪测适合？像素重✊建优化的是"🚴♀️📏下一帧长🌹什么样👨👧👧"（视觉保🙂真度），🇸🇮潜空间预测优👨❤️👨化的是🇳🇺"下一帧📩🧳的抽象语义/物🇮🇲理状态"（👩👩👦🗯物理因果）🤔。
它执行一整条任🦟💴务链，🙌✝涉及规划、🥿调用工具、与环境👗💬交互、在失败后👩❤️💋👩👩🦱回溯纠错↔。与多数依赖👩🎓🍹规模堆🇲🇼🦗叠的大🚽模型不同，D🍹eepSeek🔒💈是从“👨🦳效率”入手◽🎌，通过一🐇🍔系列算法与工🍵🇲🇹程优化，实现了接🇨🇼近SO🎯🌼TA水平的性能⛅，同时大幅压低😺🌍成本🌈🏔。然后换成官方产品🌷🥿，在华米 OV🐀😱 耀自家官网👨👩👧👧🈂、官旗🌴🚤买比较稳⛈。Anth🚸ropic🏌在做动🍬态算力分📨配，简单问题少🔎转几圈，难题⚰👨👨👧👦多转几圈🧐。据斯坦福大学20🀄26年度AI指🇰🇳数报告，截至👨🏫今年3🎐月，美国顶级🕑💁模型与中国最强⭐⛑竞品之间的性能🏢⏸差距仅剩2🧽🥙.7个百分📯👨👨👦点🎓🤫。
