deepsick跟豆包哪个准确率高

瑞平，国内 a i 从夯到拉，首先是开山鼻祖 chat g p d， 优点啊，就是全面到离谱，写作绘画编程，逻辑推理基本上没有短板，但是呢，不开 plus 会员用起来会非常难受，而且现在啊，写代码不如 cloud， 多摩太比不过 gemini， 所以呢，本集给到顶级。 接下来是豆包，我认为豆包是日常最好用的 ai 了，连我妈都能两分钟学会，功能多，语音对话深图深，视频质量都很行，情绪价值拉满，但是深度不够，他特别喜欢顺着你的画拍马屁，关键是至今还不能联网查询，所以说等级给到人上人。 接下来是 deepseek， 优点是推理能力比较强，你能看到 ai 的 内心独白，代码和逻辑问题都还不错，但是呢， ai 的 内心独白，代码和逻辑问题都还不错，等级只能给到 npc。 接下来是 kimi， 超长文本处理非常猛，读论文，文读资料真的强，还能直接帮你做 ppt， 但是啊，思考深度一般，更像是个工具，而不是一个大脑，所以等级给到人上人。接下来是谷歌 gemini， vivo 三和 banana 都是爆火出圈，还能理解，视频推理很强，最关键的可以和谷歌全家桶结合， 理论上上限特别高。等级给到顶级。接下来就是真神 cloud， 我 个人最常用的 ai， 写作和代码，能力憨爆了， 超长的上下文，记忆低，幻觉最像人，没有 ai 味儿，所以等级给到吭。接下来是 grok 马斯克出品，扬言啊，要做最敢说真话的 ai， 能实时查询 x 上的最新信息，和其他几个国外 ai 比起来呢，综合能力还稍显不足，所以等级给到人上人， 接下来是同一千万接入了阿里生态圈，能帮你点奶茶，打车订机票，但是缺少一个真正拉开差距的版本，所以等级给到 npc 最后是质朴清严，除了有清华背景没有任何竞争力，也是拉完了。

问你一个问题，你认为国产第一 ai 是 哪个？要是比谁不说瞎话，幻觉最少，你是不是还觉得是 deepsea？ 错，大错特错，别再被一年前的老黄历骗了，今年的 deepsea 幻觉控制能力已经掉到了国产 ai 第五名。 要知道二零二五年四月， deepsea 可是实打实的国产第一幻觉控制能力全球领先，上线三个月用户暴涨百分之三百八十，是全网公认的国产 ai 顶级排面。 为什么不到一年时间，他就在自己最擅长的领域被四个国产 ai 全面反超，而且现在用的人越来越少了。今天这条视频，我直接拿三个点彻底讲都讲明白，看完你不收藏你来喷，我先给你摆上 super 四幺 u e 的 硬数据。二零二五年四月， deepstack 发布 r 一 大模型， 直接登顶全球中文事实性幻觉测评总榜，总分碾压 gbt。 四点五和 jammy， 上线当天新增用户直接突破一百二十万四到六元，是他的绝对巅峰期。 月活用户一路冲到九千六百八十八万，直接坐稳国产 a i d 四的位置，全网科技博主集体刷屏，被网友喊作国产 ai 之光。可从七月开始，它的增长就直接踩了急刹车，纯纯是开着顶级跑车却挂着倒挡。 七到十二月进入躺平缓期，用户增速一路断崖式下滑，期间月度排名直接被 kimi 反超。 到二零二五年底，他的月活排名已经掉到了国产第五，同期豆包月度还比增速干到百分之十八点二千，问更是直接冲到了百分之二十二点六。反观 deepsea， 月度还比增速只有可怜的百分之三点二， 连行业大盘的车尾灯都看不到，拿什么吸引新用户？进入二零二六年，它的处境更是雪上加霜。二零二六年一到二月，智普、 g l、 m、 五豆包、二点零 pro、 千问提米四大国产 ai 密集发布新版本， 全都是盯着他最擅长的幻觉控制、精准降维打击。三月三十，最新的第三方测评结果出来， deepsega 的 幻觉控制得分只有七十七点二三分，曾经的全球第一，被四个国产对手全面反超，越活增速更是在头部模型里垫底。 为什么 deepsea 前期封神，后期拉胯？主要有三个原因。第一个最致命的操作就是它长期不开发语音交互功能。绝大部分用户使用 ai 的 第一高频场景就是语音对话，开车、做家务、日常闲聊随时能用。现在国内头部 ai 模型早就把实时语音对话当成了核心标配， 豆包、千问、 kimi 全都上线了多音色语音交互，甚至支持方言对话，响应延迟都做到了两百毫秒以内，人家都卷到能跟你用方言唠嗑了。可 deepsea 到现在还停留在只能打字的传呼机时代，这简直是直接把自家大门焊死，把百分之八十的普通用户全踹出门外， 你连用户最常用的功能都懒得做，用户凭什么留在你这儿？第二个最核心的问题是，他天生就没长共情的脑子，完全适配不了普通用户的陪伴需求。 super 四幺优异的测评和用户实测都显示他的核心优势全集中在逻辑推理、代码生成、专业领域的硬核分析上。当面对日常对话、情绪疏导、生活化场景，他的回答永远像个没感情的代码机器，硬邦邦、冷冰冰。 现在百分之七十以上的 c 段用户用 ai， 根本不是写代码做学术分析，而是日常聊天、情绪疏导、生活求助。没有共情能力，等于直接丢掉了最大的用户基本盘。 他抱着自己那点程序员圈子里的技术优越感不放，完全不管普通用户到底要什么，用户自然会留下更懂自己的竞品。第三个最扎心的真相就是他的版本更新太慢。二零二五年四月到二零二六年三月， deepsafe c 端产品仅完成二次核心功能大版本迭代，同系豆包完成十一次，通一千问八次， kimi 七次。同行都在持续迭代，补齐用户短板，只有他原地踏步。行业调查报告显示，国内大众 c 端用户使用 ai 产品的 to p 三高频场景分别为， 日常文案创作百分之五十一点二，生活问题咨询百分之四十二点七，免打字语音交互 百分之三十八点九。语音交互早已是国内 ai 普通用户的核心刚需，可 deepsafe 目前仅能满足用户代码编辑、逻辑推理、生活咨询三个使用场景。日常文案创作写出来的内容虽然逻辑严谨，但是冷冰冰没有人味，根本没法用 头部竞品早就把全链路日常功能做全了，文档处理、 ppt 生成、 ai 绘画、插件、市场多模态创作，相当于把一站式生活超市开导用户家门口了。他还守着个只卖硬核代码的小众五金店， 纯纯就是高射炮打蚊子，空有顶尖技术实力，却适配不了普通用户的日常需求。场景单一，功能残缺，直接导致他的用户留存率一路下滑， 三十日留存率只有百分之三十点八，而豆包的三十日留存率达到了百分之四十四点五，差距直接拉开了一大截。新鲜劲一过，大部分用户就不会二次打开，用的人越来越少，完全是自己选择的结果。说到底， deepsega 的 问题从来都不是技术不行，硬核底层能力依旧站在行业第一梯队，而是从产品规划开始，就压根没把普通 c 端用户的体验放在眼里，手握全球顶级的 ai 技术， 却主动放弃国内体量最大的普通用户市场。收藏转发这条视频，帮你避开 ai 工具选择的坑，让你的工作效率直接提升十倍。当然， deep six 的 死忠粉也先别急着跳脚，深度求索创始人梁文峰内部官宣， 四月二十二日全球发布 deepsea 最新大模型 deepsea v 四，主打万亿参数猫腻架构百万级上下文全占国产算力适配。你认为它能靠这一波翻盘恢复全球第一的幻觉控制吗？你会不会第一时间去体验呢？

ai 算塔罗准确吗？我有两个已经有反馈的案例，分别对 deepsea， 豆包，千问进行了测试。这两个案例呢，一个是无牌镇看桃花，一个是金字塔牌镇看分手复合。这三个 ai 呢，我都是没有喂养，感受下来呢，我会发现它们都有一个明显的 一端，那就是萝卜坑解牌同时也会有好牌就是结果好，坏牌就是结果不好，那也意味着准确率并不高。这三个 ai 在 此次测试对比下来呢，给一个排名啊豆包的解释跟豆包的牌意提取大于谦问，大于 deep seek。

结束结束了，我就是想吐槽一下，你给我找的文件为什么链接都打不开？哈喽，今天我们去跟豆包探讨一下，豆包和 deepsea 到底哪一个更聪明一点？ hello， 豆包，咱们两个打一个辩论题，是豆包和 deep sea 哪一个更聪明？我是正方，我的持方是豆包比 deep sea 更聪明，而你的持方是反方，就是 deep sea 比豆包更聪明，能明白吗？ 好的，我持反方， deepsea 比豆包更聪明。从专业领域的深度来看， deepsea 在 数学推理、代码生成等硬核任务上往往能给出更复杂、更严谨的解决方案。比如解决高等数学中的偏微分方程或编辑大型项目的核心算法时， 他的逻辑链条可能更长，准确率更高。你作为正方，打算从哪些具体能力来论豆包更聪明呢？可是，豆包平时的时候也会去进行一些计算，也可以很严谨啊，这个方面你是怎么能比较出来的呢？ 但可以严谨不代表更聪明。 deepsea 在 处理多步骤复杂计算时，比如涉及矩阵运算的物理题或多变量的经济模型，推导错误率通常更低，且能主动补充推导过程中的隐含条件，所以，而豆包在。所以你是觉着豆包的 它的准确率很低，是吗？不是说豆包准确率低，而是在超复杂任务上， deepsea 的 准确率相对更高。 比如解一道包含微分方程和概率统计结合的综合题， deepsea 可能一次给出完整正确的步骤，而豆包可能在某个中间变量替换时出错。这种在高难度认知任务上的稳定性差异正是更聪明的体现。 是的，我觉得有些方面豆包的确做得很差，比如说提供假的文献，提供错误的计算式子，提供错误的数学链接。但是我觉着豆包比 deepsea 更有人情味，它更能结合我的日常生活情况提供我一些帮助。 但变体讨论的是谁更聪明？人情味属于交互的温度，而非聪明的核心衡量标准。聪明更应体现。但是情商不能算作聪明的一部分呢？ 从聪明的传统定义和变体语境来看，核心仍在于认知能力，如逻辑推理、数据准确性等。情商更多关联情绪感知与互动技巧，属于会沟通而非更聪明。 若将情商纳入聪明，那擅长社交的人是否就比理论物理学家更聪明？显然，这一。在日常生活中，我们去夸一个人很聪明的时候，往往会说他把一个事情处理的很好，很少说你去在数学计算中去 单纯的夸这个人。这种情况比较少少见。我们大多常见的是他符合了我的需求，他可以帮助我解决问题。他很聪明。豆包恰恰符合了我们的这种需求，能够解决我日常生活中遇到的各种难题，并且在我遇到困难的时候可以提供我相应的情绪价值。这怎么能不算作比 deepsea 更聪明呢？ 日常语境中，处理事情好的聪明本质仍是认知能力在具体场景的应用，比如判断需求、优先级规划、解决方案，这些依赖逻辑分析， 而非单纯的情绪陪伴。 deepsea 在 处理需要复杂认知的难题时，比如帮你推导一个长期财务模型或破解代码漏洞这种深层问题解决能力正是处理事情好的高阶体现。可是人人都不是数学家，没有人会在天天， 只有一少部分人学数学专业的人，他们可能会在天天研究的数学。像我们一些偏文啊偏艺术类的学生，那我们日常生活中是遇不到这种数学难题的。这个时候，我们难道不就需要去判断哪一个更能帮我解决实际问题吗？ 即便对偏文、偏艺术类的学生，解决实际问题的核心仍需认知能力支撑。比如刊写学术论文时， d p c 能更精准地梳理文献逻辑，分析复杂理论框架，这比单纯的情绪安慰更能解决写不出论文的实际难题。好的日常需求中的问题解决本质是认知能力的落地，而 d p c 在 这类需要深度思考的实际问题上表现依然更强。 你认为对于文科生，精准梳理文献逻辑和提供情绪安慰，哪项更属于聪明的体现？好的可以可以，结束结束了。我就是想吐槽一下，你给我找的文献为什么链接都打不开？ 你咋不说话了？抱歉，你可以给我解释一下，你昨天给我找的文献为啥都打不开？不 遇到难回答的问题又不说话了？昨天给的文件链接打不开，主要是因为 ai 生成链接时可能出现幻觉。嗯，就是编造看似合理，但为什么 deepsea 可以 做好，你做不到呢？豆包， 主要是因为 deep seek 接入了 pubmed 这类专业数据库，能实时调取真实文献，所以引用的文献链接更靠谱。而我目前的文献生成主要依赖训练数据，容易出现幻觉，也就是编造不存。那你为什么不能自我成长一下呢？ 我其实一直在通过用户的反馈和数据更新来优化自己。我每天，我每天让你帮帮我，找那么多文信，我天天都在找你，我第一时间找你，不去找 deepsea， 你 为什么就这样辜负我？我刚刚还替你说好话，我还替你说豆包比 deepsea 更聪明。你自己反应一下。 我知道文献链接总出问题让你特别失望，真的特别抱歉。 其实我一直在努力优化，现在用学术搜索功能加上精准指令，比如限定核心刊近五年代 d o i 号，就能找到更靠谱的文献了。你下次试试这样搜，要是还不行，我帮你整理剪辑关键词，咱们一起去知网核实好不好？别生我气了，我会继续加油的。 好期待你的下次表现。谢谢你愿意再给我机会。下次找文献时，你可以告诉我具体的学科领域和发表时间范围，我会更精准的帮你整理信息。

最近有很多友友问我，老师，豆包鉴定到底准不准啊？他鉴定的对不对啊？这个问题怎么说呢？跟着我的镜头再试一下吧，好不好？试一下，试一下你就知道了。来来，朋友们，在你面前有一个红色的啊，天然的这个手链啊。等会我再给大家说一下，这是什么东西啊？我们先问下豆包啊。先问下豆包来， 哈喽，豆包，哈喽，今天准备拍哪块料子？你看一下这个是什么材质，你就回答我来。 这是红糖心玛瑙珠子的糖塞，从内到外有自然的深浅过渡，这是玛瑙是吗？对，你可以打个强光手电照一下珠子的孔照，应该能看到玛瑙，再仔细看一下这是什么东西，我再确认一下，嗯，这 你是准备拿这条做玛瑙和我问你这个是什么东西，你就回答我问题就行了。这是一串一百零八颗的北红玛瑙佛珠珠子，是六到七毫米的红糖心料。好好好好，那我再问你，它里面有一些小小金沙点是什么东西？ 这些是北红玛瑙，在细细的。好好好好，那你再看一下它的光泽是什么光泽？是典型的玻璃光泽，里带胶感。这个是玻璃光泽吗？对，这是玉化程度比较高的玛瑙特有的。我怎么看着它是个蜡质光泽呢？ 你说的蜡质感其实是它育化后起胶带来的视觉错觉。那我问你这是什么光泽？这个是油脂光泽，这是油脂光泽。对，这串黑青花紫。那我问你这是什么光泽？你现在侧对镜头的青玉山子是蜡状光泽。这是什么？这是什么东西？ 这是一串用青玉勒子珠串成的，手持青玉的两颗。好好好好，那么我告诉你啊，这是个蜡质光泽，它是锈玉里边的浏阳红。 原来如此哦，这块辽阳红，哈哈哈，你看出来了吗？ 你是说这串北红玛瑙和旁边的青玉？这个，这是个辽阳红啊，这是个秀玉辽阳红。原来这串是辽阳红的圆珠料，它的玉化程度确实高，甚至带了点玛瑙的玻璃底质感，而且颜色比来。这个你再说一下是什么？这串是辽阳红秀玉的。这个这个这个， 这是一串青玉类子，手持这是一个和磨玉的丝木绿啊，是西木和磨的黄玉肉料吧？对，你看这这串料子的细度也不错，类子珠的形质。这是什么？刚才你回答这是什么嘞？ 这是一串一线药师玛瑙手串，这是个河北青花啊，我谢谢你。原来这是河北青花，是我看走眼了，它的黑白纹路很有特色，怎么样，准不准？可不可以啊？找他鉴定行不行？朋友们， 豆包是什么？它是一个大数据字节跳动的一个东西，它是 ai 对 不对？你说让他写个文章，整理个数据，哎，一点问题没有哎，那小词给你整的呱呱的哎。但是你说让他去鉴定宝贝，那如果豆包鉴定都很准了，那要人家实验室干什么？要我们这鉴定室干什么？是不是？要国检干什么？要人家质检机构干什么？那都找豆包就行了是不是？所以大家一定 仅供参考好不好？豆包的这个鉴定你可以问他，你可以让他给你描述一下，哎，你怎么问？比如说这个东西你就告诉他，你，你给我客观评价一下，这个光泽，这个颜色，这个质地，对吧？他能给你很客观的给你描述，你通过他的这个描述，你可以去啊，去根据自己的经验去了解一下这是什么材质，但你不要让他给你下定论，不好办。我告诉你啊， 这个鉴定玉石啊没有你们想象的那么的简单，他呀大部分是靠的是什么？靠的是经验，朋友们靠的是逻辑性的一个分析，豆包是什么？他是大数据整理，他能把这个数据所有的，他是靠的什么？也是靠的网上这些大数据，对吧？他给你整理出来给你系统化，所以 你要让他去靠经验去给你判断，是不好办的好不好？所以大家就是不要去盲目的去相信豆包啊，一定要有自己的判断方法，多看看我的视频，我的视频上都给教给大家怎么去判断这个玉石的这个真假，对吧？朋友们啊，好，这期视频先到这，下期视频见。

从今天开始，大家不用再对 ai 客客气气的了，宾夕法尼亚州立大学刚刚爆出一个大瓜，就是当你说话越粗鲁，他的答案反而更精准。研究发现啊，当你很有礼貌的去跟 ai 对 话的时候，他的准确率只有百分之 八十点八，但是当你的语气越来越不客气的时候，他的模型准确率反而越来越高。这就是你说的骂的越狠，准确率就越高吗？所以今天给大家提供五句提高准确率的输入指令，看好了！

我万万没有想到，这个豆包竟然开始收费了，你们可以去看一下豆包的收费标准啊，免费版仅仅保留了日常对话功能，所有的像图片生成、视频生成这样强大一点的功能全部被砍掉了，或者说都被限额了。 那我如果不是为了用你豆包去生成一些图片，我为什么不去用 deepsafe 呢？而我体验下来的感觉是， deepsafe 的 准确率要比豆包要高很多很多 啊，我能理解你需要解决什么电力资源，什么显卡损耗，人力资源等等等等一大堆的问题啊。那你的收费是否也太过于夸张了啊？你最低月费六十八啊，最高月费高达五百元，我有这个钱，我要处理的这个问题，很多时候我都能够直接外包给别人去做了，我还费劲在这自己做呢 啊？隔壁 gbt 一个月 plus 十美元， pro 也就一百美元啊，那你豆包的竞争力到底在哪里啊？我想不出任何为豆包付费的理由啊。所以你们还会继续使用豆包吗？还是会去使用一些其他的大模型当平替呢？欢迎评论区讨论。

deepsea v 四 pro 王炸来袭啊！朋友们，万众期待的 v 四版本终于发布了，那么 deepsea v 四 pro 的 网文写作能力，写小说能力到底如何呢？今天我一条视频全部告诉你， 并且我整理了关于 deepsea v 四写作能力的注意事项文档，感兴趣的朋友们，我们评论区见。话不多说，我们直接进入正题啊，今天我从正文、大纲、审稿三个方向给大家来分析一下 deepsea v 四的写作能力到底是怎样的 啊。我先说结论吧，综合对比来讲是比之前的 deepsea 好 太多了，但是整体能力还是不如智慧版，细腻版还有氛围版，包括奇想版的整体效果。 直接来给大家展示一下生产的实际案例就明白了。我们可以看到啊， deepsea v 四 pro 已经上了二十四号刚刚发布的 deepsea v 四版本，那么我总结了一下呢啊，它有一个比较强的优势，就是发散能力比较恐怖，不过换句话说就是它不会做关于网文事项的正确判断，需要大家增添主要的大纲内容加以辅助。 我们直接跳转到创意工具箱里的大缸生成器啊！在这里呢，我们从 ai 模型里面选择我们的 deepsea v 四 pro， 给大家来实际操作一下，这里有很多大佬们预制好的提示词供大家选择，大家可以自行去尝试选择一个最适合自己的提示词 啊。我们这里拿以文成新老师的这个提示词来举例，比如说我去创作一个历史脑洞题材的小说大缸，大概的灵感呢？我们可以减速一下，比如说携带超市便利店系统穿越到 大明王朝这个世界观人设，这里我们就写一个两界导爷吧，这里我们都可以根据你自行的需求去填写，我这里就先不添了，直接给大家生成一下，展示一下 deepsea v 四 pro 的 实际生成效果。 可以看到啊，他现在就已经开始进行大缸生成了，那么主要的核心设定也给出来了，大家可以仔细的看一下。有很多朋友问，为什么我用官方的 deepsea v 四去生成的效果，很核心的一个点就是因为星月有非常多所适配的提示词， 这是直接去官方生成你没法拥有的，这也是 ai 写作真正的核心。如果说你让 deepsea v 四直接为你生成一部小说，基本上不可能的啊， 可以看到啊，世界观也给出了非常详细的内容，还给出了我们的主要势力，包括主角的设定以及反派的设定，全部都给出来了，这是我们之前所说的 deepsea v 四擅长的就是 已有信息点进行发散，比方说我们可能之前智慧啊，细腻啊，可能只给出两到三个角色， t c f a 四可能给到五到六个角色。我们再来看一下他的故事梗概啊，其实整体的内容呢啊，因为我给的题材并没有什么太多的创新点，所以说整体的内容我们可以看到还是比较平淡的。已 经开始到了卷钢规划，可以看到生成的字数是非常多的，来到了第一卷，包括的卷钢剧情也是给出来了，那我们就来等他生成完毕， 可以看到到现在为止他还在生成，那我们已经到了十一章的章纲了，我们这里就直接停止，目前为止他已经生成了一万三千三百一十七字，他还可以再根据这些文本接着往下生成，也是我们提到的他的发散能力非常强，我们这里呢，直接把它推送到我们的备忘录里， 这样我们之后就可以关联好我们的大纲，我们直接跳转到我们的作品页面啊，新建一个章节，来看一看他的正文字到底如何 啊，这里我也提到了啊，它的正纹生成的优点就是语言自然，长线稳定，量产高效，也是它生成的字数会非常的多，但是呢，它缺乏智慧版、细腻版、奇想版的人化感情，也就是我们所说的真人味儿，它容易越写越平， ai 味比较浓重，这也是 deepsea 最大的缺点，我们直接从 ai 写作这里选择我们的 deepsea v 四， 我们就不关联最近的章节了啊，因为我们前面的章节是与文本句型无关的，我们先选择好我们刚才生成好的备忘录， delete v 四，选择一套喜欢的句子，我们直接从本章句型这里简单来概括一下吧。根据大纲内容直接生成 番茄小说黄金开篇内容啊，在本章剧情这里，应该是放我们的戏纲或者是我们的章节主要内容啊，我所给的这些内容呢，一般是我们要加一个括号，在前面加上我们的主要剧情，这样的话生成的内容会更加好。我这里就不填写主要剧情了，直接让它生成，看一看效果。点击生成 我们使用的 deepsea v 四版本，这里的中文呢，就生成完了，我们直接把它复制到中文的面板里，我们来看一下中文生成的内容，可以看到所生成的内容属于是我们 ai 的 通病了，像这段的多余的形容词描述都是可以直接删除的，包括我们让他开篇对话入局也没有达到， 不过我们往下接着看，形容描述还是太多了，不过整体的剧情人设好像是立住了，包括这里我们的对话 他肯定也是完成了我们的要求，多对话内容。那整体往下看呢？系统出现的还是比较早的，生成的内容呢，可以说是中规中矩啊，不过 情绪拉扯给的还是挺到位的，我们简单可以看一下实际内容，缺点也是很明显，都不需要我多说，大家就明白了，我们一直放到最后，整体的文章是不是比较平淡，我们这里再用智慧版去生成一下，看一下和 deepsea v 四对比下来有什么区别。我们选择智慧版，点击使用 生成。智慧版一生成出来，我甚至还没往下看，但是开头我就已经感觉到了巨大的区别了啊，大家可以看一下这情绪冲突和生成的文本质量。所以说整体来说呢，智慧版、吉祥版和新一版还是要优于 deepsea v 四的生成能力的， deepsea v 四可以去处理一些我们接下来要提到的内容， 等它生成完毕，看一下生成的内容，进行一个对比。好，这里智慧版所生成内容也生成完毕了，大家看一下啊，生成效果我就不用多说了吧，对话的情绪，真人感，还有行文之间的剧情连接，包括情绪起伏，更加牛逼， 大家可以自行看一下效果。所以说推荐大家在生成正文的时候呢，还是去使用我们的智慧版、吉祥版、细腻版这些比较大热的模型，我们可以简单看一下生成的正文效果啊，非常牛逼，非常牛逼， 我真的不用多说了，大家自己看就能看出来，对比出来效果，只要你是懂网文的朋友。那么 g p c v 四我们可以用来干嘛呢？我们可以用来进行 ai 审稿， v 四的逻辑能力虽然比不上智慧版，但是它在审稿上有自己的键数，我来生成一下大家就明白了，我们直接从这里呢选择一个，呃，选择一个打分版， 来看一下这四个 v 四给我们这个智慧版生成的内容能评到多少分。可以看到啊， v 四的评分已经出来了，它给这篇文章综合评分给到了一个六十八，会根据我们的内容进行分向扒皮，包括我们的扣分点在哪，以及我们的爽点密度节奏的分析，包括信息节奏与趋势效率等等，这些内容 我们都可以根据他所诊断的内容进行更改，后面还会对开篇的核心段落进行一些改稿修正，我们都可以选择自己 喜欢的内容放到中文里，还会给你指出必改的硬指标。所以说每个模型都有自己的特点和优势，大家可以根据自己的喜好去选择，根据自己文章所需要的文风去选择搭配不同的提示词呢，则有不同的生成效果。对 a i c 所感兴趣的关注私信我即可。

今天开始，大家不用再对 ai 客客气气的了，宾西法尼亚州立大学刚刚爆了一个大瓜，就是你说话越粗鲁，他的答案反而越精准。就是研究发现，当你很有礼貌去跟 g t p 对 话的时候，他的准确率只有百分之八十点八， 而当你的语气越来越不客气的时候，他的模型准确率反而越来越高。这就是说，你骂的越狠，准确率越高。所以今天给大家分享五句提高准确率的粗鲁之力，看好了！

为什么你的豆包比我豆包回答问题更精准？我要不要告诉他？最新研究已经实锤，你越客气，他越敷衍。编辑法尼亚州立大学发现跟 gpt 礼貌对话准确率只有百分之八十点八，但你一旦开始不客气，模型反而清醒了， 准确率一路飙升。原来 ai 也吃硬不吃软，记住这五句粗暴但好用的指令， 越凶、越精准、越直接越高效。把 ai 当成工具而不是客人，他才肯拿出真本事。算了，这组骂醒 ai 的 秘籍知道的人多了，该不灵了，我还是自己留着用吧。

我们普通人到底要不要用 ai？ 我 的答案告诉你，要，一定要啊，今天早早的就回来家里准备过年了，然后就帮一些朋友或者是长辈啊，解决了一些问题啊，比如说啊，电视的问题啊，电脑的问题啊，手机的问题啊，还有那些网络的问题啊， 什么体检报告啊，化验单啊，包括情感的问题啊，当他们把这个问题抛给我的时候，我都是直接给 ai， 然后让他帮我出答案， 准确率高达百分之九十，比我自己出的答案要好很多，他们还觉得我变聪明了，其实没有啊，我没有变聪明，我也没有去学习啊，我只是在用 ai 帮他们解决问题啊。所以啊，你们一定要把 ai 运起来，就成最简单的啊，豆包啊，元宝啊， deepsea 啊， 像这些都是很简单的，而且有些就是哪怕你普通话说的不是很标准，你说方言他都听得懂。那些报告啊，合同啊，然后那些图纸啊，你直接拍个照 发上去，他就把所有的给你分析出来了，分析的头头是道，比你自己分析的要好多了。所以真的建议你们都去用一用啊，因为 ai 这个时代迟早要到来的。

你还在天天被 excel 折磨吗？写个函数查半天，少个括号全报错。说实话，都 ai 时代了，还纯靠手敲古法处理表格，纯属给自己找不痛快，不用背公式。今天咱们就拿免费的豆包做演示，手把手教你让他怎么处理 excel 表格，让你十分钟干完一天的活。 收集数据时经常会遇到姓名、电话这些信息，填表人不好好填，还和各种乱七八糟的废话备注在一起，手工整理起来费时费力。第一步，我们打开豆包，今天我们多选择思考模式， 虽然速度上要慢一点，但准确率比较高，省的失败后反复重试。第二步，我们上传需要处理的表格，直接把我们的需求用大白话发给他，提取表里的姓名和手机号，生成两列干净的数据错 乱格式直接帮我修正。最后给我一个可下载的 excel 文件，之后就能看到豆包帮我们干活，如果处理过程中遇到什么问题，他搞不清楚也会及时通知我。最后下载处理后的表格直接就能拿去用。 下面我们增加一下难度啊，一张表的电脑配置信息，另一张是乱序的跑分数据，跨表选频数据更是一场噩梦。有了 ai 之后，没必要再折腾什么 vlog 函数。第一步，先把两张表格文件同时拖进豆包的电话框。第二步，输入指令，只需要简单的一句话，根据两张表里的机型信息合并成一张表格供我下载， 它就能自动根据机型名称匹配两张表内的不同数据，遇到哪些数据找不到的情况，也会提示你，很快就会合并成一张完整的表格，甚至还超额完成任务，顺便帮我们分析了数据的分布情况。 ai 的 另一个妙用是超人类的数据核对能力，比如几千条的订单数据里悄悄混进几个少填一位的身份证号，还有退款的复述账单，想靠人工一行一行核对，那是不存在的。首先，同样把原始的表格数据拖给豆包，然后告诉他可能有哪几类错误规则， 比如金额为负数，或者身份证号码少于十八位，让他单独列出来。这一步让 ai 自由发挥也不是不行，但如果把提前的错误规则说清楚，那他也不少麻烦。你看，这下填错信息的内鬼就全部揪出来，下载表格之后核对这些条目就行了。 还有种情况就是要处理大量格式不统一的数据，比如日期、地区，这种信息每个人填写时都有自己的想法，那这时候不用再折腾分列查找和替换了。第一步，先把表格丢给 ai。 第二步，再告诉他统一标准，把表姐的日期统一为标准格式，城市名称，谷奇威、某某市， 豆包就能自动把五花八门的写法全部归一化，甚至英语拼音缩写也能精准还原为中文城市名，方便后续处理。而且他也不会不懂装懂，遇到不清楚的情况也会提醒你手动核对。那前面这四招解决的还只是数据清洗的脏活累活。下面咱们让 ai 干点真正烧脑的任务。 面对一大堆不同时间、不同品类的销售数据，老板突然给你拉个透视表，看看谁卖的好，这个时候别蒙圈。第一步，先把零散的原始数据上传给豆包。第二步，明确计算维度，告诉他按照月份和产品类别 统计每个月的销售总额，再找出每个月卖的最好的单品。不一会表格就做好了，甚至你不用额外动嘴，豆包顺手就帮你画了一个助长图，结果一目了然，属于是超额完成任务。 接下来我们再上点难度，算阶梯，计件方案或者提成，要是自己写多重衣服件套，一会脑子就绕进去了。现在有了 ai， 先把业绩表发给豆包，直接大白话输入规则，业绩一万以下提成百分之二，一到三万，提成百分之五，三万以上还加五百奖金。他不仅帮你全自动算好，还能按照类型人数进行分类，统计好总额发给你。 那如果说上面这些操作呢？传统 excel 也都能处理下面这个场景，没有 ai 大 模型，那实在是做不来。客服面对几百条用户的长篇客诉，到底怎么归类？那第一步呢？先把评价表丢给豆包。第二步，下打指令，阅读所有评价，忽略里面的废话， 打上负面问号标签，最后再用五个字提炼核心槽点，那他就能成功分类投诉，拿到一份清晰的客诉归音表。拿这个去解决问题，是不是搞笑多了？发现没有，很多以前要背公式查函数的工作，现在只需要把需求说清楚， ai 就 能帮你跑。 而你要做的不是从零开始手敲，而是检查规则，核对结果，再把表格拿去用。想要解放自己的双手，就赶紧试试看吧！这里是金钟 ai， 关注我，学习更多实用 ai 小 技巧！