这正成为一个巨大的效率问题。现在，因为我们意识到模型名称的重要性正在降低，曾经感觉像重大事件的新一代前沿模型发布，如今每隔几周就会出现一次。我真正关心的是究竟发生了什么变化？
本周的《专家混合》节目将探讨这一切及更多内容。我是Tim Hang，欢迎收看《专家混合》（Mixture of Experts）。每周，“MoE”都会汇聚人工智能前沿领域最敏锐、最具魅力的思想家小组，带你回顾本周的新闻。
在本期节目中，我们有AI原生系统首席研究科学家Couter El McGrowi、AI基础架构首席架构师Gabe Goodart以及大师级发明家Martin Keane。当然，一如既往，我的联合主持人David Zach也加入了我们，他是IBM Think的资深撰稿人。
今天我们有三件大事要谈：我们将讨论备受瞩目的Jev模型；探讨IBM与NASA之间一项非常有趣的合作。但首先，我想先谈谈过去几周涌现的大量模型发布热潮。
我们再次进入了像“选秀赛季”一样的密集发版期。Gro 4.7发布了，Claude Opus 5.5发布了，GPT6 Sol Luna也发布了。每个人都在发布模型，而且价格越来越低。我想Martin你先来谈谈吧？
在这个阶段，面对这些模型发布，我始终有一个永恒的问题：这重要吗？这里有什么不同之处？它们只是渐进式改进的模型吗？你观察到这些发布在宏观层面意味着什么？也许这才是更有趣的问题。
是的，本周的模型发布都围绕着一个主题：效率。我们看到了像Astra和Fable这样的大型前沿模型的发布，它们确实是我们拥有的最聪明、最好的模型。但它们也像疯了一样消耗Token（令牌），任何使用这些服务或支付API费用的用户都对此非常敏感。
运行它们需要耗费巨大的算力。因此，本周发布的模型都在解决效率问题：它们的参数量可能更小，但能完成更多工作，且智能水平并未大幅降低。事实上，以新发布的Claude Opus 5.5为例，它的表现可能与大型模型Fable 5.1相当。
这预示着未来某个时候可能会有Fable 5.5的发布。但它能以大幅降低Token成本完成那些大型模型能做的一切任务。我身后的机器正在运行该模型处理大量视频编辑任务，其效率之高令我惊叹。
同样适用于新发布的GPT 6.0 Soul版本。这基本上是前代5.6版本的更高效形式。所以，我们本周看到的真正变化是：这些模型更加高效，且性能确实与实验室推出的最大型模型相当。
没错。我注意到你也关注到了这一点，即大家现在都在追求效率。作为在硬件领域工作较多、经常思考硬件层面问题的人，你如何看待这一趋势？在我看来，这些公司似乎不得不这样做，否则它们的算力资源也会被耗尽。
我很好奇你如何解读这种对效率的推动，以及它与各大公司自身在算力上投入的巨大资源之间的权衡。是的，这确实成为一个巨大的效率问题。现在，我们正达到一个模型名称不再那么重要的阶段。
曾经，新一代前沿模型的发布感觉像是一场重大事件；如今我们每隔几周就能见到它们。我真正关心的是变化所在：它能运行得更久吗？能可靠地使用工具吗？能帮助我降低成本吗？它更便宜、更高效了吗？对基础设施有何影响？或者我需要做什么来基本降低费用？
它是否有新的算法或更好的软硬件设计技术来帮助驱动这种效率？我同意Martin的观点，效率变得极其重要。现在的竞争正从模型智能转向系统智能。模型已成为代理（Agent）中的一个组件，该代理拥有记忆、工具、浏览器访问代码执行能力以及对企业系统的接入权限。
这不仅仅是基准测试分数提高几个百分点，而是一个更大的转变。因此我认为，整个系统如何优化所有这些组件变得至关重要。
没错。我觉得这些应用程序桌面版本中的小模型选择器正变得越来越令人困惑。这里有10个你可以使用的模型，包括一些旧版本，你还可以选择“努力程度”（effort）。这确实变得非常复杂。
Gabe，如果这是你的游戏——我想稍微行使一下编辑权，我认为5.5 Opus是这一批发布中最有趣的模型。不知道你是否同意？如果可以的话，我想和你聊聊Opus 5.5。首先想谈谈的是，在我的圈子里，人们对Claude有点厌烦了，觉得“哦天哪，到处都是Claude”，感觉这些模型个性太强。
相比之下，很多人评论说对于5.5版本，Anthropic似乎把模型收敛了一些。它变得更简洁、更直奔主题了。这很有趣，因为人们一直争论到底需要多少个性。Gabe，我很好奇你怎么看？是因为他们过度强调了吗，还是说人们其实并不想要一个个性强烈的模型？
我认为两者兼有。我觉得这里存在一种企业品牌定位的差异。Claude非常努力地想要打造“完成工作”的企业品牌形象，而OpenAI尤其是通过ChatGPT界面，则旨在更具人际互动性。
因此，Claude试图收敛一点、保持直截了当是符合其企业品牌定位的。另一个重要的方面与之前提到的……
话题在于效率，对吧？如果你能用更少的词听起来像人一样说话，你仍然可以完成工作，并且消耗更少的token。所以嗯，这实际上可能也是为此服务。而我看到关于所有这些模型的大大主张是它们具有更高的token效率，这是一个有趣的区别，不一定与计算效率相关。嗯，所以我想在这里对马丁的观点稍作商榷。你们身后的那些机器绝对没有在运行模型，它们正在运行的是一种与模型对话的智能体（agent）。所以你知道比便宜的token费率更便宜的是什么吗？是那些实际上就在你们身后机器上运行的模型。嗯，所以关于所有这些新模型的一个未披露的有趣事实是它们实际上有多大，以及在推理时需要多少计算资源。
所以我这一波模型浪潮中最大的疑问是它们显然旨在通过保持低价和让给定消费者完成任务所需的token数量尽可能低来实现消费端效率。这确实是好事，因为它也与推理端的整体token效率相关，因为它们不需要运行那么多token来服务用户。但我们不知道的是那里的乘数是多少？每个token对它们来说实际运行成本有多高？嗯，我们对训练这些模型的成本有一些直觉。我认为周围有关于它们有多大以及架构如何的传闻在流传，但许多细节仍然被隐藏起来。
所以我依然非常好奇的部分是，以及我想在接下来的几天和几周里我们会得到更多细节的是这种在token成本上的“逐底竞争”（race to the bottom）与运行这些模型的实际计算成本的“逐底竞争”之间的相关性，或者我们是否仍在等待那只关于公司运行模型的成本与它们向我们收取的费用之间实际差异的“靴子”落地。嗯，我认为长期以来一直有一种担忧，即所有这些模型都由支持这些公司的风险投资补贴，一旦它们不再是私人持有公司并进入公众视野时，将会面临成本清算。
所以我认为这一轮并没有给我们这个问题的答案。我认为我们得到的答案是从消费者的角度来看，定价显然面临着下行压力。所以我不确定他们拥有的技术是否真的支持这一点，或者它们只是通过推迟IPO来利用额外的时间，说现在我们有很多时间来继续补贴并获取更多市场份额。所以我们都试图在我们的模型上获得那个低成本市场。所以我们看看会发生什么，但我真的很好奇这两者之间的差距中会发生什么。
是的，我认为token的效率几乎让我想起了过去谷歌总是说的那样：好吧，我们实际上希望用户在网站上的停留时间最小化，因为这意味着你找到了你想要的东西并离开了。嗯，我有点好奇类似的关键绩效指标（KPI）是否开始在AI领域发挥作用，即最少的token数量是最好的，因为它意味着你解决了问题。>> 是的，我认为从硬件的角度来看这也是为什么我觉得下一阶段将非常有趣的原因。模型架构、推理软件和加速器设计等方面也在围绕效率进行收敛。
诸如量化（quantization）、稀疏性、KV缓存管理、推测解码、更好的批处理以及数据流加速器和专用加速器等技术，它们不再仅仅是模型构建后的优化措施。它们越来越多地决定了产品在经济上是否完全可部署。如果我们看到2023年到2024年间看到的趋势，那主要是关于越来越大模型的发展。在2025年，我认为更好的推理能力是那里的聚光灯（重点）。而今年则更多地关注于每单位计算成本下的更好推理能力。所以我赞同大家所说的，效率正变得非常重要。
在硬件加速器设计领域确实存在一些转变（conversions）。就真正达到那些效率目标而言，我们仍然有很多事情需要解决。这依然非常具有挑战性。>> 是的，绝对如此。嗯，我觉得我支付的顶级费用高得让人咋舌（eye watering），但我仍然从这些公司那里获得了不错的交易。我仍在被补贴着。所以，[音乐] 我要把我们带到下一个话题。我们将停止谈论最新一代的模型发布来谈谈一个特定的模型发布。嗯，我真正想涵盖的下一个话题是Jev，它最近获得了大量的媒体报道和炒作。
背景是一家名为Typesafe的公司宣布他们构建了一种被称为“System One”模型的新类别，而Jev实际上是他们在编程方面首次公开发布这种模型的尝试。嗯，大卫这里有几个非常有趣的属性关于他们似乎在这里做的事情。首先它来自一位名叫Dooo Almeida的前OpenAI工程师或研究员，他可以说是ChatGPT早期或者更准确地说是OpenAI早期的成员。他是那篇基础性的Instruct GPT论文的合著者之一。嗯，他说我好像没怎么听说过他。从我的角度来看，他一直处于雷达盲区（under the radar）。
然后他发布了这个模型，它简直是一夜爆红，对吧？他的X账号只有1500个粉丝。我想他的帖子获得了4000万次观看。那么Jev让人们兴奋的原因是什么呢？我认为这确实呼应了我们讨论的效率主题，对吧？嗯，我想谈谈关于Jev的一两个价值主张。但首先是与“适用性模型”（fit-for-purpose model）有关，你可以这么说，对吧？所以我认为Jev的主张是：嘿，我们使用的是大型语言模型（LLMs），它们基本上就像小说家一样，对吧？它们可以流畅地生成一段又一段供人类阅读的文本。
然后在这个智能体和用例日益增多的时代，我们随后对这种能力进行了改造（retrofitting），并强行将其用于做出这些简单的结构化决策，通常是为软件流程背后的多项选择题。嗯，所以Jev主张说如果我没理解错的话它可以像前沿模型一样聪明，但可以小得多。
更高效的方式是不输出那些随后被渲染成决策的单词，而是在软件术语中所谓的受限值类型集合内。它直接输出这些类型的数值，在这个过程中会高效得多。Karpar，我理解对了吗？我的理解正确吗？其次，你是在炒作这个概念吗？当你看到Jeff发布时，你知道大家是否像其他人一样兴奋？
是的，我认为这是一个非常有趣的方向。当然，他们的主张是：我们不需要每次都生成字符串和句子等特定任务，你只需要决策、评分或是否答案。这些在软件使用LLM进行代理世界等场景中特别有用，因为我不需要阅读整个句子然后尝试解释它在说什么并转化为决策或分数。
从硬件角度来看，我发现Jeff有趣的地方在于它改变了正常语言模型的工作负载。一旦你开始生成答案，你就生成一个token，然后是下一个，以此类推。这创建了顺序解码循环。所以每一步都需要回到加速器，读取模型状态、KV缓存，进行计算并写回内容，然后重复。
这不是使用昂贵硬件的高效方式，特别是当你真正想要的只是一个决策时，比如是或否。我应该选择哪个选项？或者每个结果的可能性是多少？所以Jeff为这些工作负载提供了自由形式的文本生成，相反，它以并行方式产生结构化决策和概率。
因此从硬件角度来看，这是有吸引力的，因为并行计算正是GPU和AI加速器擅长的领域。所以这里的顺序解码更少，输出生成也少得多，潜在的KV缓存流量也更少。我认为他们效率提升的一部分不一定是找到了让矩阵乘法更快的魔法方法，而是改变了要求硬件做的事情。
但我仍然对他们的一些主张持保留态度，特别是关于正确性的方面，因为他们仍然依赖模型生成一些分数和一些声明。所以我认为这部分我们需要小心，特别是他们提到的校准问题：如果模型给我一个置信度分数，我需要知道这个分数是否在数据变化时仍然可靠。
对于自动化来说，这变得非常重要，甚至可能比他们声称的延迟数字更重要。我想插话一下，我总是对赶上像我这样坐在教室后排的非技术人员感兴趣，我想谈谈我本周学到的关于校准这一主题的内容。你提到了置信度分数和校准。
广义上，我的理解是模型可以做出猜测，它可以说我认为是停车标志，它可能是对的也可能是错的。但几乎同样重要的是，它的预测可能过于自信或信心不足。它可以说是停车标志并且有90%的把握，但如果事实证明当它做出这个猜测和置信度分数时，只有10%的时间是正确的。
你就有一个严重的过度自信问题。这就是我们所说的校准，我认为它是调整它以便置信度分数实际上反映模型的实际表现。多年来，我们对自信地胡说八道的幻觉模型感到沮丧不已。所以他们声称这个模型不会 hallucinate 可能是真的也可能不是，但更关键的是我认为如果我的理解正确他们优化的其实是让校准变得准确。
他们的模型生或死取决于能否获得正确的置信度分数，而且如果我的理解再次正确它可能不是猜测那是停车标志的最佳模型但如果它告诉你它有60%的把握那它就一定要是60%的把握不多也不少。首先Gabe我理解的对吗？我对校准的理解其次如果我是对的为什么这如此重要特别是在企业用例中一旦你能对模型的置信度有信心。
是的，关于置信度分数你理解正确了。我想说我喜欢这个公告的一点是它基本上击中了我作为软件工程师历史旅程中每个方面的关键时刻。我对这个模型有很多反应，但关于置信度分数它直接提醒了我我们在生成式AI之前构建分类器并为这些分类器创建REST API时遇到的问题。
我们决定用来指示输出质量的字段名称是什么？是概率还是置信度？我们始终选择置信度而不是概率，因为概率有数学定义。它是一个分布陈述。置信度只是一个数字。我们创造了它我们在上面加了个sigmoid，当我们在输入分布上看时看起来像个漂亮的钟形曲线。
当然这个比那个好这个数字更高所以信任它。你在这个点上挑得很对因为这涉及到使用这种不透明的近似数学来做具有严格数学定义的事情如概率的挑战。然而这一切的最终目标是有用的决策制定，这就是像Jeff或甚至我们的生成前AI分类器这样的模型通常会说实际上置信度没问题因为你需要做的唯一事情就是相对地看待分数并基于这些分数做出决策。
所以Jeff输出的下游消费者只是会接受那个置信度分布然后说好吧我的阈值在哪里我说左还是右？我说红黄绿时的阈值在哪里？就像我必须选一个数字，而且必须经验性地这样做这是留给用户的一个练习。所以校准很重要我不确定是否
他们声称这是一种真正的概率分布，这将是一个难以证实的数学主张。但他们至少可能在宣称置信分数是相互真实的。我想挑选该模型一个非常不同的方面。既然我有发言权，我就直接切入正题，因为我认为将这一模型与其他所有模型及其定位进行对比非常重要。我们之前曾将其描述为一种分布预测器，换句话说，它是一种分类模型。
分类是一个古老的问题，在自然语言处理甚至更广泛的通用人工智能领域都是如此。你获得一个特征向量，然后尝试根据适用于该向量的某些标签集对其进行分类。许多人不再训练自己的分类器模型，这主要是因为这些模型可以比大型语言模型小几个数量级。明确地说，它们在运行时间和计算资源需求方面都更小、更高效。
大家放弃这种做法的原因是，在糟糕的旧时代，你必须以监督学习的方式训练自己的分类器。你需要输入和输出的示例数据。而大型语言模型由于其权重背后拥有庞大的真实知识基础，非常擅长处理所谓的零样本分类问题。你给它几个示例，这些示例本质上会激活与其分类任务相关的权重区域，然后你说：“利用这些例子形成模型的直觉”，接着让它给出对该事物的分类。
然而，正如科瓦尔准确指出的那样，逐词生成诸如“我认为这是一个停车标志。句号”这样的内容意味着你必须在后端编写正则表达式，处理一堆乱码。比如，“我在那里看到了‘停车标志’这个词”。你是否需要检查大小写不敏感的情况？是否需要查找中间奇怪的空白字符？这简直是一场软件工程噩梦。
因此，输出一个数字向量（例如：条目一是停车标志，条目二是让行标志等）在推理计算和提取输出的工程努力方面都要高效得多。从这个意义上说，这很棒。然而，大型语言模型的用途远不止分类。归根结底，该模型针对的是一个非常具体且重要的问题，这是大型语言模型所能解决的问题的一个子集。
我想指出的是，做出确定性决策（或至少接近确定性的决策）这一领域是我们在IBM一直在通过一个名为Malaya的编程模型（而非AI模型）来处理的课题。这本质上是一种反转许多人的做法的方式，许多人是用纯文本描述程序并希望模型能执行你所说的步骤。这些在纯文本描述中的步骤对于像Jev这样的模型来说非常完美。
因此，Malaya这样的编程模型可以利用像Jev这样的模型，在工作流程中需要做出明确决策的地方发挥作用，并实际创建一个确定性的程序。该程序中仅包含少量的非确定性元素，即你需要做出决策的地方。这就是此类模型真正的力量所在：能够处理那些具有明确行动路径的事物，并在其关键节点使用非确定性输入做出良好决策，从而引导你走上正确的道路。
是的。有两点真正引起了我的兴趣：第一是名称，这是一个系统一模型。这究竟是什么意思？显然，它被称为“系统一”模型是参考了丹尼尔·卡尼曼的《思考，快与慢》一书中的系统一和系统二思维概念。我很高兴看到这一点，因为我有这本书。我经常阅读它并反复回顾，所以我非常喜欢这个概念。
系统一思维是一种自动化的思考方式，它是自发发生的，我们不需要有意识地思考它。而系统二思维则是更深入的、逐步的思考过程。如果我们将这一点应用于AI模型，特别是当今的大型语言模型和思维模型，它们确实会进行这种链式思考推理，也就是所谓的系统二思维。
关于Jev的一个论点在于：对于许多这类决策，我们不需要系统进行逐步思考。正如盖布提到的那样，对于那些仅仅是分类问题的事情，当我们真正只需要系统一时却一直在使用系统二。如果答案只是“是”或“否”，或者从15个选项中选择一个，那么使用大型语言模型来推导答案会产生巨大的开销。
另一个让我感兴趣的是Jev的训练方式。通常，大型语言模型最初被训练为聊天机器人，这使用来自人类反馈的强化学习。我们试图获得一个最让人类满意的答案。随着这些模型成为思维模型并更多地用于AI代理目的，现在使用的是来自可验证奖励的强化学习。也就是说，如果我要求你做某事，你真的做了吗？模型在做到时会得到奖励。
但Jev和这些系统一模型建立在不同的强化学习基础上，即用于校准决策的强化学习。这不是试图得出一个取悦人的答案，也不是试图获得奖励分数，而只是问：这个答案是正确的还是错误的？大卫提到了校准，你知道这是一种类型化模型。它基本上返回一个数字来表示答案是什么。
当然问题是：这个答案是正确的吗？而且它不会提供任何支持信息。如果我问大型语言模型一个问题，它会给我一个答案，但它可能还会告诉我它为什么认为这是正确答案。虽然这个推理链条——它是如何得出该答案的——可能完全是或部分幻觉出来的，但至少它给了你一个答案。
对于这个模型，它只会给你一个数字。你怎么知道它是正确的呢？团队背后的基准测试……
Jev 展示了它有能力得出与顶级前沿模型相同的结论。因此，如果你向 Astra 或 Fable 提出同样的问题，Jev 通常也会给出相同的答案，但速度更快且消耗的 token 更少。它能够得出大型语言模型会得出的答案，但这尚未针对已知的真实来源进行测试。
我的意思是，大型语言模型也可能出错。因此，观察更多在实际生活中进行真实测试的基准测试结果将非常有趣。话虽如此，他们提供了一些演示。例如，有一个 Jev 玩《毁灭战士》的演示，它能弄清楚如何在空间中移动并射击坏人等。
这需要不断做出决定：是“是”或“否”，还是向左、向右移动？它在这方面表现得相当不错，在追踪坏人方面非常准确。
我还看到了另一个演示，他们玩了维基百科游戏——我们都玩过这种游戏吧？从某个页面开始，比如中世纪英国时期，然后必须跳转到另一个完全无关的页面，如飞行汽车或凯文·贝肯。
结果发现，最好的大型语言模型通常能在五次点击内从主题 A 跳转到主题 B，这令人印象深刻。但 Jev 也能在五次点击内完成，而且只需不到一秒的时间；而大型语言模型则需要经过其完整的思维链推理过程，耗时数秒。
因此有一些早期迹象表明，它不仅得出了与大型语言模型相同的答案，而且这些答案通常也是正确的。但这还有更多值得观察的地方。
我想当 Jeb 刚发布时，大家的第一个想法——至少是我的第一个想法是：“哦，又一个分类模型。真棒。”我们早就有了这类模型很久了。
但看到其背后的训练过程，以及这种用于校准决策的强化学习理念，并观察到它与顶级大型语言模型前沿模型的对比表现，我认为这就是为什么它成为一种令人兴奋、值得密切关注的原因。
这段对话非常精彩。很高兴能在这里进行解释，因为我认为这在很大程度上有助于拨开炒作的外衣，深入了解背后的实际情况。
接下来我们要从讨论一个模型转向另一个模型。我今天特别想介绍的一个是引起我注意的，它是 IBM 和 NASA 之间的一次出色合作。
具体而言，这是一套专为月球探索设计的模型发布。这些本质上是计算机视觉模型，非常擅长识别月球表面图像中的特征，以便研究人员使用。
David 我很喜欢这个案例，因为我认为这在某种程度上讲述了一个有趣的故事：机器学习如何用于从我们已有的数据中提取更多知识。这一点我们在讨论中提及较少，但我觉得它是这里故事的重要组成部分。
是的。起初，就像 Martin 一样，我的第一反应是作为一个月球和阿波罗计划的粉丝感到兴奋。但起初读到这个时，我甚至想因无聊而流泪，因为它似乎只是帮你更快地数陨石坑之类的。
我当时在想：这有什么关系？真的有人在数月球上的陨石坑吗？听起来像是世界上最悲伤的工作。
但后来我了解到，这非常重要：如果你能数出月球特定区域的陨石坑数量，你就能推断出关于太阳系年龄和撞击频率的某些信息。因为实际上这些陨石坑就像是宇宙的时钟，代表了外部碎片撞击月球的速率。
通过这种方式，你可以推断出火星的年龄等各种信息。因此，了解到这个模型如何加速科学研究让我非常兴奋。
Gabe，是什么让你对这个模型感到兴奋？我看到它还能帮助识别冰层，这 apparently 是一个很难解决的多参数问题，可能对月球探索和殖民产生重大影响。
所以让我兴奋的是这又是“极客用的 AI”，太棒了。我想，AI 曾经是科学家、极客和喜欢思考大多数人看来莫名其妙的问题（比如“为什么我们要数月球上的陨石坑？”）的人的领域。
正如你准确指出的（或者我希望是准确的，因为我不是月球极客），月球上的陨石坑对宇宙的年龄意义重大，我们可以从中学习很多东西。这就是极客和书呆子居住的地方。
我们生活在一个 AI 开始成为不仅令人着迷的技术，而且是一个巨大的社会技术问题的时代。我们这些经历过有趣数学、热衷于让终端机做各种事情的人，开始发现自己正在与非常人性化且复杂的问题搏斗。
这很重要，但也令人不适。因此，看到像“为了科学而进行的经典 AI”这样的问题再次出现真的很酷。
我也喜欢看到 AI 应用于聊天机器人或编码代理之外的领域，因为这很好地提醒我们这项基础技术的应用范围比我们要消费的大众用例要广泛得多。
我知道当我们深入前沿实验室的最新发布时，这种对话往往会消失。但我们可以从这项技术核心中汲取对全人类知识和状态的真实益处，而这些可能与如何高效地生成漫画等无关。
我同意你的观点 Gabe，而且我非常喜欢这个项目的一点是，它真正展示了……
基础模型不一定要是聊天机器人，这里的价值在于复用。因此，你只需训练一次庞大的月球数据体，然后就能将表征适应于多个科学问题，而不是每次都从零开始。这具有巨大的价值。此外，我认为这里最重要的工作也是数据工程，而不仅仅是模型规模。这里的传感器具有不同的分辨率、不同的观测条件等。对齐所有这些测量数据，并向模型提供关于数据采集方式的信息，其重要性可能与增加更多参数相当。这里有很多有趣的工程数据问题，我们可以从中汲取大量经验教训。当然，能够回答这些重大科学问题，对人类而言具有巨大的价值。
我认为另一件让我们感到超级有趣的事情是：当我们思考基础模型时，最直观的想法通常是基于文本的基础模型——输入一些文字，它生成文字输出。但当然，我们现在拥有多模态模型，它们原生地处理除文本之外的其他模式。所以，我们都熟悉图像生成模型，其中一张图片可以输入并输出一张图片。其工作原理基本上是这样的：只要信息可以被表示为向量（即一系列数字），就可以用于基础模型。因此，很高兴看到这一概念扩展到了诸如太空拍摄的图片等领域，并且能够再次将这些信息表示为向量，然后使用基础模型。
这使用的是处理文本的同一类基础模型，但现在它能够执行巧妙的操作，例如查看一张特定角度的太阳拍摄的图片，这种角度在一定程度上遮蔽了陨石坑的可见性，并能够对此进行调整。这一切都仅使用这些模型中的相同数学原理和推理方式，就像在基于文本的大型语言模型中为我们写诗一样。因此，这是一个非常酷的基础模型应用案例，被应用于完全不同的领域。
这很棒，也是一个很好的结尾注脚。嗯，今天的时间就到这里了。马丁、盖布·科瓦尔，很高兴再次邀请你来到节目。[音乐] 嗯，也感谢所有听众的陪伴。这实际上将是我主持“专家混合模型”节目的最后一期，但你们都在好手中——[音乐] 大卫将接棒主持。如果你听到了这些内容，可以在 Apple Podcast、Spotify 以及所有播客平台上找到我们。我们将在下周的“专家混合模型”节目中再见。
至于我是否应该把这段剪掉，我想为蒂姆做一个更隆重的告别仪式。我们可以看看这是否能通过“传感器”的测试（意指是否合适）。但我只想说，我一直很欣赏这个节目。我认为蒂姆做得非常出色，将技术性话题变得非常易于理解。我的两岁女儿痴迷于穿父母的鞋子，在我的公寓里跌跌撞撞地走，而我现在正踏入一双非常巨大的“鞋履”（意指接替他的工作）。希望我摔倒的次数能比我两岁的女儿少一些。嗯，是的，这是一个相当大的责任要接过来。所以非常感谢你所做的一切。
是的，谢谢。非常慷慨，祝你好运。附和一下，蒂姆，我觉得我最喜欢的事情之一就是在录制后自己再听一遍节目，因为我在录制时处于一种状态：“好的，我得想想我对这个话题的见解是什么。”然后当我再听一遍时，我意识到你在话题之间的过渡总是带有一点点引导性的洞察，非常清晰地铺垫好。所以我知道你的工作基本上是把球传过来传过去，但你这样做的方式巧妙地编排了这种流动。所以我一直非常欣赏这一点。
完全同意。因为我认为，当你向下一个人提问时，很容易让对方措手不及。比如“哦，我没料到这一题”，因为我们没有脚本知道接下来会发生什么，我们只有话题列表。但你总是能以一种方式将对话引导到下一个人身上，让我觉得我接下来要说什么变得显而易见。[笑声] 这真的很……是的。对，我也赞同前面说的一切。你做得非常出色、惊人地好，让这个节目保持如此令人兴奋的状态。即使对于参与其中的我们来说，我们也总是处于紧张状态：接下来会发生什么？下一个问题会是什么？我该如何准备？这使得节目非常有趣且自然流畅。我想我们也可以从听众的参与度中看到这一点。所以非常感谢你，吉姆。
谢谢。是的，这是对两年来一直让我们保持警惕的极大赞美。所以我非常感激这一点。谢谢你，卡特。我的证明是前几天我收到一封冷邮件，邀请我成为一家初创公司的天使投资人，因为他们听到了我在“专家混合模型”上过去一年的引用，认为我是那种准备好进行天使投资的人。我当时想……“是的，你需要多少？”“嗯，为什么？我钱包里有一张5美元的钞票。你想要吗？”[笑声] 但你们所有人都给这个节目带来了一种风格，使其脱颖而出，成为IBM中罕见的面向消费者的价值之光。就这样吧。[音乐]