（来源：上观新闻）
从基础设施角度🇮🇱⚛看，资🥕源终究🏋🌎有限，站📨在“Token工🈵厂”的视角，🤰🔗能否持续、😲稳定、大规🔹🤟模地提🧬🚙供Tok🇲🇶en，让顶尖🦕🇮🇳模型真正长期服务🇳🇺🏷更多下游场景🍗，是一💴👂个关键问题➕。一是规模化的🦶强化学习🥤🇫🇮。能力是一回事🔲🔋，能不🍸能走进千🌤家万户又是另一回🏜👡事⁉。Nemot💳ron-Ca🇷🇸scade 2🚹🇬🇪就是这🕞样一个"技♍🎍术流"选🦷🚧手——它用💅精妙的训练方法弥👚🏍补了参数规模的🚇不足✂。
“我们🌳公司在1月🇰🇮底开始🇳🇫，基本上每两周我💁💍们的T🥐🕟oken♨👨🎤（消耗📲🦕）量就翻一番🏴✨，到现在🇸🇻💥基本翻了10倍🌇。当然啦，🕜我这样🌰说并不🎥🏂是为了🤶🏅批判谁👨，因为我自己在刚🦟看到 Turb🕟oQu🥓ant 的报道时🇰🇵🇬🇾，也高兴得跟孩🛍子似的🔢。第三步为什☃👨🏭么我前面说本来可🤸♀️🚊以40s呢☃🥖，因为在第四段时🦌👨✈️，我忘👙了选16:9的👩👩👧👦尺寸，豆包给我默👈认生成了9:📽🇹🇯16的🍫⌚竖屏；本来🏇我以为继续🎄🇨🇰给它说⌛➖改成16:9⛽🇳🇺的就能生🇺🇦🍝成一个新🔉的，结果🍓8️⃣看下图2；生🔅👷成了一个无关紧要👔的视频🇪🇪。
