上面是人工智能回复，下面是人工回复：deepseek和chatgpt字母不同，字母数量不同，字母意思不同。

主要是它是蒸馏模型，他可以基于自己的专业大模型进行蒸馏，相当于用一个领域的专家来教导专业的技术工人，这个工人虽然不理解他学到的东西，却能用他学到的东西来进行工作。而且这个工人所领的工资比专家要少的多，实际应用中，它甚至可以不用gpu使用cpu来运行，当然这个时候他的能力就只相当于一个电子厂里面打螺丝的工人，可以把这个收音机给你组装起来，但是他绝对不知道这个收音机是什么原理。如果你选一个稍微大一点的蒸馏模型，他或许不是专家，他就是一个大学生，或者是更高级的研究生，所以基于同一个大模型，可以适配各种不同性能的硬件。而在更上一层培养一个精通某一领域的专家，肯定要比培养一个全知全能的神要容易得多。正因为这样，无论是最初的训练或者是最终的落地实践，都对 openai造成了根本上的打击，当然也包括英伟达。

panndora 主要是它是蒸馏模型，他可以基于自己的专业大模型进行蒸馏，相当于用一个领域的专家来教导专业的技术工人，这个工人虽然不理解他学到的东西，却能用他学到的东西来进行工作。而且这个工人所领的工资比专家要少的多， ...

这是一个思路上的突破

panndora 这是一个思路上的突破

专家系统是很早之前的概念了，openai的立身之本和发家原因就是全能性展示起来非常惊人。
不过专业性的模型蒸馏在图像识别一类的领域里面很常见。专业性的学习不符合一个全能助理的定位，更适合用于辅助学习。换言之，让一个ai辅助普通人的日常生活比辅助专业领域研究要难得多。