（来源：上观新闻）
在训练🧾🏦方面，大型🇩🇪语言模型已🏸经导致🔯😅计算需🕵️♀️求每年🌒增长近五💍🇧🇹倍📺🇨🇾。三件事在🍔🛀 20🚨26 年同时成🌴⏸熟，从大模型🇧🇻基座来看💁🧙♂️，Sen☪🇦🇲tiCat 接入🏴🐕了 MiniM🇬🇭🆒ax、千问、智谱🕵🤒、DeepSe🌨ek、K🎩imi 🚋⏬等多款国内模型😒，用户自🤹♂️由切换；从记忆🍮😊系统来看，长🥇🏜期记忆、上下🇲🇺文管理、向量检索👢在过去一年被👨🏭🗨快速工程化🖥🙀，Sent📰iCat 的🤓🕘长期记忆、🏄模糊搜💅🇰🇪索、用户🦄↩画像都建立在🇧🇾🧛♀️这些成熟组件之上🧐🍣；最后😐是配套工具，M🇹🇨🐀CP 生🐆🎃态、插件市场、沙🛷盒环境—📠—Agent 🤮需要的基础设施💩🇶🇦 2025🇳🇪🕹 年基本到位🥽。这些东西🛣攒下来，🔤👨👩👧就是它的经☢验🥠🇵🇪。
研究人员测试了同🐰等预算下🌼的表现差异🍾👩🌾。至此，👪简历这一步也🗿🇳🇴搞定了🔠6️⃣。他们在 3D 数🈁📮字人领域😃有技术积😝累——S🏀USU 角色 I😛P、Sen🚌SEO网站推广tiA🧱😦vatar（🚒👡数字人🤸♀️🔱动作生成框架）、👦SuSu🇯🇴🔼InterAc✔ts 数据集（用🛩于训练数字⛸🐔人交互行为）；此🚳✝外，他们👨👨👧👧🕕还自研了🤬 Agen👧t 对话🌴的 PT🦖🎬A 架构☀🇬🇹（Percep🌯tion👵🏺-Th⏰⏲inking-A😸🚌ctio😪n，感知-思🇪🇭考-行🦑动）——专😉🧯门为 🇨🇾🛤SUSU 设👕🏢计的对🕎话决策架✍构，把“关系”当🐲6️⃣作工程问😭题来解🍩。其他人工智🇦🇷能处理器的获👨⚕️🛌取难度也越来越大❣。
