其次，大模型的记忆能力有缺陷：大模型在训练时“记住”了大量知识，但训练完成后并不会在使用中持续学习、“记住“新知识；每次推理时，它只能依赖有限长度的上下文窗口来“记住”当前任务的信息（不同模型有不同上限，超过窗口的内容就会被遗忘），而无法像人一样自然地维持稳定、长期的个体记忆。但在真实业务中，我们需要机器智能有强大的记忆能力，比如一个AI老师，需要持续记住学生的学习历史、薄弱环节和偏好，才能在后续的讲解与练习中真正做到“因人施教”。
Москвичи пожаловались на зловонную квартиру-свалку с телами животных и тараканами18:04
，更多细节参见heLLoword翻译官方下载
3. 不绕过 lint/typecheck/test
Every fragment means promises created for read() calls, promises for backpressure coordination, intermediate buffer allocations, and { value, done } result objects — most of which become garbage almost immediately.，详情可参考下载安装 谷歌浏览器 开启极速安全的 上网之旅。
res[realIdx] = stack.length ? stack.at(-1) : -1;，这一点在safew官方版本下载中也有详细论述
其次，规模和可复制性完全不同。Altman 想强调「per query」的效率，但他忽略了：人类智能没法「复制部署」到数据中心里无限扩容。AI 的真正优势恰恰在于「训一次，用一辈子」，而人类是「训一次，用一辈子还得继续喂」。如果真要比「单位智能产出每焦耳能量」，AI 在规模化后确实可能碾压，但用「养孩子总成本」来类比，反而把这个优势给模糊掉了。