（来源：上观新闻）
让我们🧮🇰🇼用一个简化😦示例说明，假设🇳🇪训练语料包含以✒下词汇及出现频率🇧🇱🇰🇵： “hug”：🇬🇭🇪🇭10次👰🐍 “pug”⏮👌：5次 “pu💠n”：12👥🇬🇼次 “bun➰”：4次 🌴👨👨👦“hugs”：5📵😒次 第一步：🧩将所有词拆分🦌♑为字符，添⛩📰加结束符 “h🔡🔚ug” → “h✨ u g ” ☄🍝“pug” →🥓🧕 “p u g🇬🇬 ” “🍨3️⃣pun” 🇧🇷→ “p🍝 u ✝🙇♀️视频在线免费播放n ” 🚫🏕“bu🇸🇾🦹♂️视频在线免费播放n” → “b🇲🇸👨🎓 u n ” 🦞“hu🇸🇿🇧🇷gs” → “🐓h u 🚊🎡g s ” 初🇾🇹👨🚀始词汇表🇳🇫仅包含基🤴础字符：{🗿⚛b, g, h😯, n, 🚾p, s🚭💙, u, t🦸♂️} 第二步⛓：统计相邻字符对👯的出现频率 “🏁u g”：1🔒5次（🚢💻来自“hu🚚🐌g”的10👩👧👦次 + “hug😷👨💼s”的5次💇） “u n⛏🧫”：16次（来自🔩📞“pu🕡n”的12次🇹🇻👨👨👧👦 + “😼🇵🇷bun”的4次）🇸🇬⛓ “p u”：🥇17次💟（来自🕸🌄“pug🏈视频在线免费播放”的5🥽次 + 🇨🇿🔢“pun”的12📖💋次） 第三🕗步：合并最高↘频字符对 假设“👭p u”频率🕍最高（17次）🗾，创建新符号“p🍄u”， 词汇表扩😅🌻展为：{b, 🤱😥g, h, n,🇿🇲 p, s,🐝 u, , 🛩pu} 🐾🐙第四步：迭代🏆重复 继🅾🇧🇬续统计新语📈料中的字符🥺对频率，🐠合并下一个最高❄频对，直到达✴到预设的🤨词汇表大小（🇦🇪如GPT-2💝🎄为50,257💱🏰个token）🧟♀️。
基础设施🚱2️⃣、API🕎费用加🔍起来，我花⚱🦸♂️在“龙虾”身❣🥮上的钱，如今已超🇬🇪过1000🎮元，其中To📽ken🏓🦑费438元🦹♂️🦢。Open🇮🇹AI在202📖6年2月提出了一😖⏸个概念，与我们的™🍮做法不谋而合⚒。这意味着大🧡💱模型的商🐮☢业模式🥾⛷将进一步分化😁🛴。202🏁6 年，七腾机🏑🤰器人已🖱悄然完成战🇬🇷略转型🤦♂️🗄。
