粉丝4.3万获赞37.8万
相关视频
08:44查看AI文稿AI文稿deepsea 微四和智普的 glm 五点一到底谁更适合真正的干活？这期视频我不想把时间花在参数介绍上， 我真正关心的是把它们放进一个真实的项目里面，看它能不能交互，会不会只把功能做在表面。所以说这期的视频重点就两个字，实测。我准备了两类任务，第一类就是真实的一个编程项目，第二类就是一个真实的工作流， 那也是上一期视频一样的真实编程项目，我们把它同样的项目，同样的提示接进去，看质谱的一个表现情况如何。那这期视频再增加了这个自媒体内容分析 agent 的 一个处理。好，下面我们来看一下那到底大家的一个编程情况怎么样？我们还是根据我们的一个实测项目来。第一个项目的话是一个图片的生成 agent， 它需要从另外一个项目里面把已有的用户认证体系那一套代码迁过来，那这个的话是比较考验这个模型的编码能力的，你看这个 deepsea 微四的这个评分哈，在上一期视频里面表现只有七点零， 那 gbt 五点五的话是八点五吧，那这期视频我们就把这个智普的 gm 五点一接进去，看一下它的表现情况怎么样。第二个的话就是我们把一个已有的 skills agent 终端 cio 把它变成一个外部全站，这个的话主要考察它的一个 syncing 啊，工具调用以及流逝输出的一个能力。 都是同样的项目，同样的提示词，在不同的模型上面去实测，下面我们用同样的提示词，同样的项目，在智普的 g m 五点一这个模型上去做测试，左边这个的话，我们开启这个 plan 模式，因为按照之前的测试也是一样的，然后再把提示词这边的这个提示粘一下， 相对来说的话这个项目会比较复杂一些，他需要改的代码呀，也需要多一些，涉及到后端、前端以及数据库这一块，同时还需要从另外一个项目这边去做探索，所以说是整体对于这个长链路的 a 帧是比较去考验他的一个能力的。 好，我们来看下右边的话，他在探索完之后，他发现他需要进入计划模式，最开始我们这一块是没有给他进入计划模式的，证明他觉得这个任务他需要走计划模式，这样设计出来的效果可能会好一些。待会儿我们再看他进入计划模式之后， 他给的一些方案，以及最终他实现的效果怎么样。那左边的话也是开了三个 safa 的， 先去探索我们已有的一些项目，然后再看当前项目的结构，最后他才给出一个设计方案出来。好，可以看到他已经启动了。我们来对比一下 deepsea 的 跟这一个智普 jm 五点一的他们的整体的一个实现效果怎么样。 我们来看一下左边的话是 deepsea 写的，帮我们把这个 skills 演示的这个 ci 写成桌面端这一个左边的这个列表栏的话，是加载我们已有的一些 skills 吗？就是帮我们把终端预 y 的 那个演示过程展示到这个外部预 y 上了。 右边的话是这个智普 gm 五点一完成的这个 ui 其实大家都差不多吧，那我们现在来实测一下哈，看他有哪些能力，你有哪些 skills 给我输出一下这块呢？看起来就大差不差，那左边这个样式会要差一点，就 deepsea 设计这个样式会差一点，这个会稍微好一点。 下面的话我们给他一篇内容，然后让他帮我们总结一下，看一下两个的完成情况怎么样。我们能做到它就会自动会去加载这个 skills， 并且在我们的 ui 上应该要呈现出来它调用的哪个 skills 的 一个过程。我们预期是这样子，我们来看一下它们的一个实现， 可以看到这边他加载的这个新闻 t 恤区这边也是，看来这个展示是没有问题的，在演示的过程，工具调用两边其实都差不多，那看起来的话就看大家的一个喜好吧，反正我个人还是比较喜欢质朴这一边的这种工具调用的样式哈。这边的话看起来红色的让我有点那种 紧张感，觉得它是不是出错了，实际上本质上就是一个简单的工具调用，你看它这块又用绿色，还有这个颜色，这块标的话 devic 和 v 四稍微差一点。好，这边已经完成了这篇文章的总结，这边的话还在跑， 但这边也不是特别好，都有这个优化的空间。待会呢，我们会把 devic 为四 pro 代码以及智普这个 gm 五点一的代码都给到国外的顶尖模型，让它们分别去 review， 从代码质量、安全性、性能这一块分别去 review， 包含我们正在做的那个认证迁移的体系，那个特别重要。对于安全性这一块，他不是说光把这个功能完成就完事了，你看到这个任务确实挺重的啊，现在已经跑了三十七分钟了，现在跑了三个任务的，一个开发还有两个还在跑，所以这块的话，每一次有新模型升级的时候我都会有，都会喜欢拿这个项目去测试， 这个项目就比较考验这一个模型，它整个长城的一个处理能力。可以看到我们这个智普五点一的这个模型，他在去做前端认证页面以及落地光这一块哈，不看结果的话， 他这个任务描述是比 deepsea v 四 pro 要好的。这个 v 四那块的话，我们上一个视频讲到了，他在给到这个提示词之后忘记写落地页了，从字谱的这个模型看，他现在是没有忘记写落地页的，至于效果如何，我们等他待会写完之后再看。可以看到这边他已经把代码写完了哈，前端后端的代码改了哪些文件，所以说改的还挺多的，总共 花了大概五十分钟吧，把这个任务写完了。好，下面我们来去测试一下它跟 deepsea v 四 pro， 大家在整个的一个认证功能，还有落地页，还有最终看它有没有一些 bug。 关于安全性这一块的。 好，我们来看一下整体的一个对比效果。左边的话是 deepsea v 四 pro 写的，右边的话是智普的 gm 五点一去写的，这配色这块的话都是沿用我整个项目的配色哈，就还挺好的。那右边的话是智普的这个稍微会有些细节上的，这些跟我们这个图片 a 景的相关的嘛，所以说这一块的话，落地它稍微好一点。 我们看登录注册的话，上个视频已经讲过了，像谷歌的 github 的 devic 都没有问题。我们来看一下这个制服这边我们点击登录，然后选择谷歌，我们看一下它能不能进到我们的这一个图片生成的 a 镜的这个后台里面去。 好，可以看到是 ok 的， 这边也显示了我的这个邮箱，我们再试一下这一个 git have 好， gitup 到这边也可以登进来哈。有一个小问题，就是左侧的这一块哈，他没有把我们把头像以及我们的这个昵称拉过来，这是他的一个 小问题。那 devic 这边呢？是他忘记写落地页的这个落地，我们看到的这个落地也是我后续第二轮对话给他完成的。 那这边智普这边的话，它是就是一次性，我们刚也说了，一次性把这个落地的指定需求是接收到的并且完成的。之前 deepsafe 跟 gpd 五点五去做对比的时候啊， deepsafe 这边有问题，就是它这一个聊天记录啊，跟跟我们这个用户体系没有绑定上，就意味着你的那聊天记录会串，这就有很大的问题。 待会我们会把这两份代码给到顶尖的 ai 去 review， 然后去看它们是不是在这个安全上有问题。 ok， 好，我们来看一下整体这个评分情况，那这个评分是怎么来的？首先肯定是我人工去看它整体的一个功能完成情况，其次呢，我们把代码 commit 之后，把这一些代码给到 gpt 五点五给到 cloud op 四点七让他们去 review， 然后以同样的评分标准得到了这个评分，那从第一个项目来看到，我的 tik 跟这个评分其实是接近的，质朴，这个评分表现是会比 deepsea 的 这个 v 四要好的。那第二个项目的话，这个评分就差距不是很明显了，因为 我们从刚刚也能看到他们实现的效果，其实差不多这个任务的话会比较简单一些嘛，这个任务跑了五十多分钟，这个就大概二十分钟就跑完了嘛。所以在真实编程项目上，如果用国内的模型的话，我还是建议你用这个智普的 jm。 五点一 是确实是编程上还是要领先一些，还有就是 deepsea 它没有那个包月套餐嘛，所以说你按 api 计费真的非常贵，我上一期视频测试了，也是花了很多钱的。好，下面那个实测任务的话，我们会把这两个模型接到我的视频分析 a 教程里面， 让他去分析我们的这一个视频内容。好，下面我们来看一下我们这个内容分析 agent 分 别接入了 deepsea、 v 四 pro 还有智普的 gm。 五点一，我们来看一下他们在这个 agent 里面的表现情况怎么样， 步骤其实都差不多，就下视频去提取音频转录，完事之后再去分析，主要是看他分析之后的一个结果到底怎么样，两边这个模型区别大吗？其实人为去主观判断不太好判断，所以说我以往测其他模型都是会把这两份答案我们分别丢到 ppt 跟 demo 来，让他去分别 review， 不 会告诉他具体的模型名称，只会告诉到我们的一个背景，一个模型 a， 模型 b， 然后看他们那个实测效果。 ok， 好， 我们来看一下视频内容分析 agent 这两模型的一个总结情况。 deepsea v 四 pro 这边的话是更适合深度复盘的，它的整个分段就是表现的更细，但是它页面比较长嘛，信息的话相对来说有点散， 在深度这块的话，它还是补了很多的一个呃，细节，比如说挖心理学啊，教学啊，还有认知，但是它的代价就是它的托管消耗会更高一些。那 智普这边的话，它这边比较紧凑一些，因为我们也可以看到嘛，它是整个实践上是以一个表格的形式展现的，那托管的话比较省，整体的一个接触判断的话，如果是一个批量竞品分析的话，你可以优先选智普的 g m 五点一， 比较效率一些，并且它的一个教学能力的提升的话，可以选择 g p c v 四 pro， 但如果你是有包月的套餐的话，你肯定是选这个智普的五点一嘛， deepsea 这段时间的这个价格比较便宜，你可以接 deepsea v 四 pro。 好， 我们来最后进行一个总结，如果你是一个编程，上面进行一个真实问题的修复，长城任务的开发，以及你需要去控制你每一个月的一个成本，我建议你选智普的 gm 五点一。 如果你平时是需要有一个长的上下文，还有一个多文档，还需要去深读复盘，并且是一个低频 a p i 的 一个需求，我建议你直接可以用 deepseek 的 v 四 pro。 ok， 那 这就是这一期视频所有内容了，我是阿佳，我们下期见，拜拜。
1672程序员阿江-Relakkes
10:21查看AI文稿AI文稿deep c q v 四呢，终于发布了，各方面的参数啊，看起来都很不错，但实际使用起来又是什么水平呢？正好最近两周啊， g p t 五点五， opt 四点七， kimi k 二点六也都刚更新了，再加上之前的 g r m 五点一呢，凑齐了一大批的这个千元模型。很多朋友啊，都在纠结说自己的智能体里面到底应该用哪个模型呢？今天这个视频啊，我就会从价格，从速度， 从完成任务的质量几个角度来跟大家聊一下这几个模型，能够让大家在选这个模型的时候啊，会有个参考。我们首先来看一下各家模型 token 接口的这个价格，按照 token 输入输出七十比 七比二的这个比例来加全，这个呢大家可能如果不清楚的话，也不用特别的去计算，我是按照我自己的平时的账单的统计，然后调用的这个比例算出来的，每个人呢都或多或少会有些不同，但大概呢就是这样一个比例，然后用它来算出每百万 token 的 一个综合的价格，方便我们去比较。我们看到 v 四 flash 呢，零点三二元， v 四 pro 呢，原价是二点五六元，然后加上当前二点五折的发布活动啊，价格大概是零点六四元。 kimi k 二点六呢二点二三元。 jimmy k 二点一呢二点二九元。 opus 四点七十点六三元。 gpt 五点五呢十一点五二元。国产模型啊，大家看到大致呢都在同一个价格袋里面， opus 跟 gpt 呢，价格直接贵了一个数量级， 一次 flash 啊，价格最低，因为它的模型尺寸呢，也是最小的一次 pro 呢，能把一百万的上下文做到这个价格，是采用了新的注意力机制，一百万上下文呢，大概只需要前代的百分之二十七的算力， 百分之十的显存就够了。列出这个综合价格啊，是方便大家去理解，去比较，然后给大家做一个自己选择的参考。然后来介绍一下这次的这个对比的任务设计啊，我这次呢，是想让智能体啊去抓 hack news 上面前一百条的热贴，挑两到四条呢，值得说的话题，查背景， 生成图片，配音，最后用 hyperframe 这个 skill 呢，制作一条三十到六十秒的中文视频报告，中间怎么去完成啊？怎么去这个一步步的定任务呢，完全交给智能体自己去定，每家过程啊，稍有不同， 但大致的内部的流程啊是一样的。先写 python 脚本呢，抓帖子，做数据统计，再写分镜跟旁白，然后呢，生成语音跟图片。语音出来之后呢，来计算一下实际的长度， 重新去调整一下分镜，如果太长呢，就压缩一点，如果太短呢，就扩展一点。最后呢，再用 hyperframes 以代码的形式把这个视频完整的做出来。每个模型的任务呢，我都给它们建立一个独立的空白的文件夹，然后用 skill 去扩展它们 agent 的 能力。比如说像我这里用到了几个 s 册去查资料， gpt， imager 去申图，然后 edge tts 做中文的旁白， hyperframes 负责视频的合成等等，基本上就是四个。如果产出有明显的缺陷啊，我会反馈给 agent 一 次，但只给这一次的机会，只做一次的人工干预，还有一个比较重要的细节来跟大家分享一下。 这次实验用的 agent 啊，是叫做派，大家肯定没听说过，因为在国内还比较冷门。它是一个极简设计的 agent， 几乎不做任何额外的封装。我们平时用的比如说像 cloud code 啊 or codex 这种框架，它约束多，然后规划层比较厚，好处呢就是把那些比较弱的模型啊，能多浮起来走两步， 代价呢就是那些比较强的模型的判断力呢，可能也被一定程度上牺牲掉了。反过来说呢，薄的框架就是让弱的模型一步步能露出马脚，也让强的模型完全能够展示自己的规划跟纠错的能力。我们来大概的这个判断一下，这次一整条的这么长的这个工作流任务啊，需要用到这大模型的工具调用，多步骤规划 上下文，然后选题，判断出错的自己修复，单次跑下来我估计会用到上百次的工具调用，所以这六个模型的推理强度全部拉满，能够真实的展现它们在整个过程中的综合能力。 在最后比较这六个模型的这个能力之前，我们要先来看一下这次任务我们实际使用的账单跟这个生成的速度。 gpt 五点五呢，最快十六分钟 up， 四点七，二十九分钟 up， 开启了 x high。 这个之后啊，花费也是高的离谱， 比 g p t 五点五还贵了三倍多。然后其他的像 deepsea v 四 pro， 然后 kimi k 二点六， g r m 五点一，消耗的 token 呢，差不多，所以成本呢，也几乎差不多。但是 g r m 五点一啊，速度上比较慢， 花了四十四分钟才完成，这个原因呢，就是因为 token 接口的吐字速度太慢。因为之前就听说啊，这智普是国产模型里面比较缺算力的这个一家公司账单讲完之后啊，我们来看一下最终的成品到底是长什么样子。我想按两个维度来评价这次的任务啊， 就是排版跟内容，排版呢，是排版的结构，然后图案的比例，动画字幕这些内容呢，就是指选择题啊，旁白啊，判断力啊这些。然后六个模型呢，按照这两个维度的综合表现，我可以分成三档，第一梯队呢，就是 up 四点七和 gpt 五点五，大家可以看一下它们生成的视频啊。 h n 今日速览 top 一 百里三件事不讲废话第一件 deep c v 四，一千九百八十九分一千五百一十六条评论全列录零抠的跑在华为升腾上 pro 模型每百万输出 token 三点四八美元。 h n 原话从黑客到黑客 第二件， open a i 当天甩出 gpt 五点五，一千五百五十三分。记者分拣封顶贴 andropet missus， 但社区泼水幻觉率百分之八十六，是 opus 两倍多。第三件，最游戏九百零六分的热铁，在 bug 质量下滑。同一天， google 宣布向 andropet 注资最多四百亿美元，社区点透循环贸易， andropet 拿钱回头买 google 的 tpu。 全剧看 top 一 百 ai 话题十五条，却吃掉百分之三十一，得分百分之四十一。评论 谷里四条是 ai 域名榜第，靠十六次领跑。数据采自四月二十五日 h n 热榜，今天 h n 前一百条里， ai 大 模型占三十二条，合计一点一万分七千二百五十七条评论，榜首讨论集中在 deepsea v 四 g p t。 五点五和科沃质量风波。 deepsea v 四拿到一千九百八十九分，一千五百一十六条评论，社区最在意的不是发布会，而是低价好文档，以及跑在华为芯片站上的完整 阅帖。评论里的核心质疑是， ai 编程下的写代码时间是否又变成了独代码和审查成本工作计划最高头 n 四百亿美元， 把它看成供应商融资前 tpu 云和同要成闭环。如果模型商品化，真正的利润可能在算力入口比特和 c i l 供应链攻击，无科技拖拉机走红也只向同一个情绪。技术越强，社区越想要可验证，可修，少锁定系统。今天的关键词是可信。 从排版角度来讲啊，这一档的模型有完整的编辑自觉分进脚本呢，会自动标注 t t s。 实测的时长精确到秒，然后再去反推画面的时长。 g p g。 五点五的定稿啊，甚至自己列了这个时间码的对照表，图文的重点分明，然后动画的节奏也很合理。 t p t。 五点五的短板是首页的，这个数据格式化，没有正确的去渲染。然后从内容角度来说呢， oppo 四点七旁白其实是最讲究的，这可能跟大家的直觉上也比较吻合。 开场四秒钟就切入了三件事情，每一件呢都有具体的数据，加上一句这个嗨客女子原话做压轴，结尾呢，还单独留了十几秒钟做整体的这个全局的数据的复盘，然后这六个里面是唯一一个自己做了 结构化数据分析的这个模型， g p t 五点五呢，选题抓到了这个资本与算力的闭环这个独特的视角。别人都在讲模型本身，然后他呢，在讲生态，在讲一个大的宏观的这个这个角度，但结尾啊，那句就是今天的关键词，是可信。这样句话呢，我觉得就比较仓促了，像他感觉到时间快到了，然后硬切了一个结尾，这种感觉 怎么说呢，就是五十七块钱的 office 啊，贵是真的贵，但能力呢，确实也是最顶尖的。中间党的两个模型呢，就是 dipstick v 四 pro 跟 gim 五点一这一党的模型啊，都只是完成了整个工作的一半，但只是完成的一半不同。 v 四 pro 呢，赢在内容。 r m 呢，赢在了排版。 v 四 pro 的 排版呢，主体是左右结构的，图片被挤得比较小，文字也比较小，远不如第一梯队的那种舒展的，然后清楚的感觉，但有亮点啊，就是首页它做了一张热力图，是这六个模型里面我觉得最具设计感的这个开场，然后结尾这个转场，还用了这个色块动画，看得出来很有这个设计的意图啊。 然后字幕显示呢，我觉得就是比较正常。 v 四 pro 的 内容啊，我觉得它写的旁白是六个模型里面最像写给人看的一份。 d c v 四，近两千顶铁， 完全开源零抠的纯华为 samsung 芯片社区最镇的不是跑分式文档，开发者说比 open a i 好 太多。有人留了四个字， from hackers to hackers。 敢直接把这个 hacker news 的 评论原话当京剧引进来。 from hackers to hackers， 然后循环贸易 中表达呢，保留得很完整，四个镜头的每一个都有一句压得住的短句，然后开源再追，闭源再堵，开发者用脚投票。这句收尾呢，比 opus 我 觉得是最接近第 题。对的，开头有数据统计，然后文字跟图片都足够大，排版很舒服。唯一的问题呢，就是字幕遮住了这个皱纹。我反馈了一次之后呢，也没有修好，但是 g r m 五点一的内容啊，就差强人意了，基本都是新闻播报， 每个镜头的结构呢，都是谁发布了什么数据，多少社区说了什么东西，没有一句呢是自己的这个视角，自己的判断，也没有把几件事串联起来一起的。这个整体的视角只看排版呢。 g r m 真的 厉害，但是把旁白跟分镜如果也算进去的话呢，我觉得 v 四 pro 可能更好一点，所以我把这两个呢，都放在第二档。第三档呢，就是 v 四 flash 跟 kimi k 二点六这一档啊，为什么放在第三档呢？就是因为我觉得它在排版跟内容上面都有些硬伤。你比如说啊，像 v 四 flash 的 这个排版，所有的页面呢，都是同一个上下结构， ppt 模板， 十六比九的图呢贴在上面，然后有大片的空白，字也偏小，开头的数据呢没有渲染出来，字幕也缺失，反馈之后呢，还是没有修复好。至于 vs flash 的 这内容呢，它的旁白基本上也就是在复读这个帖子标题，然后像 deepsea vs 那 段，讲到 sweetband 突破百分之八十，适配华为升腾，这现在都是标题的原话。还有的那段呢，也只是把世界名完成了念一遍， 完全没有自己的这种视角跟判断。然后 kimi k 二点六的排版呢，深图有浓郁的这种 ai 的 味道，深图的提示词呢，也是比较差的，图片也被裁切了，没有完整的展示，然后字呢，也偏小。 kimi k 二点六的内容啊，比 vs flash 我 觉得稍微强一点。选题呢，选了卡尔的信任危机，然后谷歌的助资 把续命和买保险两层的意思呢，都点到了旁白，比较有节奏感。不过相比第二档的 v 四 pro 啊，我觉得还是有点差距的，大家也可以自己看这两视频对比一下。最后来跟大家总结一下，就 gbt 五点五跟 oppo 四点七呢，排版跟内容两件事啊，都非常在线，贵呢，确实有贵的道理。 然后像 v 四 pro 跟 g m 五点一呢，都只能做到一件事，然后卡在中间。然后 v 四 flash 跟 kimi k 二点六呢，在我这个测试当中，两件事都没做到，所以我只能把它排在第三档了。收回这个 dipstick， v 四本身啊，国产第一梯队我就完全是没有问题的。 v 四 pro 一 百万的上下文，性价比也非常的高， 从内容上来说呢，甚至有时候可以超过 g p t 五点五，但综合实力呢，跟 opus 跟 g p t 五点五我觉得还是稍微有点差距。但你聊一下这次测试的本身的局限性，因为六个模型都只跑了一次，会有很大的这个随机性，换一次呢，可能结果又不一样了。 任务设计啊，我这次也是比较偏重于这个视觉方面跟代码能力的，对纯文本推理能力啊，其实不是特别的敏感。真正严谨的测试呢，应该每个模型都去跑 n 次，然后去它的分布，然后再叠加这个盲测打分。这期视频呢，算一个不太严谨的这个测试， 给大家一个基本的这种参考。最后再跟大家说一下，这次测试呢，用的 agent 是 派，在国内还比较冷门，但我现在自己啊，就是内部几乎所有非代码的任务呢，都在它上面跑，非常的顺手，非常的听话，非常的爽。它是个开源项目，完全不是广告，感兴趣的朋友呢也可以自己去学习一下，自己去体验一下。好了，今天视频就到这里，我是李总，黑经理超，我们下次见。
9254第四种黑猩猩
02:07查看AI文稿AI文稿千万三点六 jamah 四 lm 五点一 deep seek v 四五大开源模型四月同时发布，本期视频教你如何选择最适合你的大模型。先看硬数据代码能力， glm 五点一在 swebench pro 拿到五十八点四分，全球开源第一。 deep seek v 四 pro 的 code forces 评分三千两百零六，全球最高。 中文能力， deepseek v 四的 c evo 评分九十二点一分， c m m l u 评分九十点四分。千问三点六 plus c evo 评分九十三点三分，中文第一上下文能力， lama s scale 支持一千万 token， 能装下七百五十万字，等于三十本三体。 deepseek v 四支持一百万 token， k v cash 只有 v 三点二的百分之十，成本极低， 场景不同，选择完全不同。企业智能客服用 deep seek v 四 flash 输入缓存命中，每百万 token 才两分钱，一天处理十万次问答成本不到二十块，比用 g p t 五点五省七百倍。 代码开发团队用 g l m 五点一能连续自主工作八小时，不需要你盯着实测，它对代码进行了六百五十五轮迭代优化，把搜索性能提升了六点九倍。 月成本从 cloud opus 的 一千美元降到三十美元，个人开发者快速验证，用千问三点六七 brtx 三零九零就能跑。实测在 apple m 三 pro 上运行四十五 tokens， 每秒日常开发够用，完全免费，数据不出本机。 法律合同分析用拉玛寺 scout 一 千万 token， 上下文能把一整年的合同文档一次性丢进去，分析 不用分段，不用拼接。移动端 a p p 集成用伽玛四 e 二 b 量化后一点五 g 自洁内存就能跑苹果手机，安卓手机都能离线运行，医疗金融这些数据敏感场景特别适合。 选好了模型，怎么用好才是关键。 deep seek 千问这些模型提示词怎么写效果最好？ rag 怎么搭建？ agent 怎么开发 ai 大 模型？核心技术研修班从模型原理讲到实战，五大模块覆盖提示词工程、智能办公零代码， agent 开发 ai 编程，教你如何玩转大模型。
01:38查看AI文稿AI文稿最近被 defc 威斯搞的有点无奈啊，就我目前呢是一边用 ai 写文章，一边用 ai 写代码，对吧？写代码写的是一个写作业的，我写文章用的就是那个写作 a 阵台写的两边的模型都是 defc 威斯，然后首先在代码这边， 这次这这个 v 四的表现呢？我觉得跟 glm 五点一没有起赶上的区别啊，就是所有简单任务全是一遍过，然后所有复杂任务呢？最多两遍啊，最多两次，几十次就完了，然后到目前为止没有犯过任何就是比较堆积的错误啊，什么都没有， 非常厉害。但是咱写作这边出问题了，哎，就是他写一篇文章，然后我觉得不好，我让他改，改完了我觉得还不好，再让他改，改了我感觉受不了了。我，我把整篇文章全删了，让他重新写， 结果他写出来是完全一样的内容，就我已经明确告诉他刚才写的不好了，对，也不要那样写了，然后他还是，然后他输出的还是完全一样的内容， 然后呢？我就继续删，然后再让他写他写的还是一样的内容。然后我就换了一种策略，我就说一段一段写，我不让你一次性输出一整篇文章，一段一段写。好，先写第一段，写完了我让他改，结果他没有改第一段，他又输出了后面的内容， 然后我就直非常直接的问了他一下，我非常直接的问了他一下。 无奈了，无奈了。
88嘉豪
02:01查看AI文稿AI文稿大家好，我是孟建。 deepseat v 四 pro 发布了官方说代码能力大幅升级，这次我不看跑分，直接拿实际工作场景让 v 四和 glm 五点一硬碰硬比一轮。 第二场景是实现功能借鉴可 out 原码从零开发一个缓存管理系统， v 四直接实现了十个完整模块，代码能力确实强。 第三场景是大文件拆分，一个文件有一千多行， v 四拆成五个文件用了九分十一秒， g l m 五点一拆成四个文件用了八分三十三秒。 v 四拆分更精细，但速度稍慢。 第四场景是项目架构分析， v 四分析全面，用表格总结并给出评分， g l m 五点一先彻底探索项目，目录分析扎实，还给出优先级排序。 总结一下， v 四基础编码能力进步明显，结构规范，日常够用，但在深度理解边界意识和掌上下文管理上与 g l m 五点一还有差距。 我的建议是，简单任务用 v 四，性价比高，复杂项目还是 g l m 五点一更稳，预算紧张就两者搭配，简单任务给 v 四，关键任务给 g l m 五点一。 v 四是个好模型，进步肉眼可见， 但写代码这条赛道， glm 五点一目前还是国产天花板，你平时用哪个模型写代码？欢迎在评论区聊聊体验，觉得有用就点赞收藏，我是孟建，下期见！
21最新AI资讯
11:28查看AI文稿AI文稿大家好， dbc 终于发布了这个 v 四版本，那我们来看一下这个 v 四版本到底有什么内容。那么这一次呢，发布了两个型号，一个是 pro 吧，一个是 flash， 那 flash 就是 快速模式， pro 就是 专家模式，那两个型号都是有一兆的，这个上下文也就是一百万，那么这是一个非常大的一个上下文了， 这边也提到了一个 a 级的能力啊，比前面都有非常大的提升，特别是编码这个评评测里面，已经达到了目前开源的最佳水平，并且呢， deepsea 公司内部已经开始使用这个 v 四来作为一个编码的一个工具了，然后体验是比双 ice 四点五 要更好，但是这边也很诚实的说出，就说仍然是跟 oppo 四点六思考模式下有一定的差距的，那么这个是很少有，就是很诚实说出自己的差距，好在哪，不好在哪，我觉得这个是非常不错的。那这边也列出了一些参数啊，我们来跟现在的这个 kimi k 二点六和这个智普的五点一，我们来对比一下它的这些参数，特别是在编程这个层面， 比如说这个啊， sweetbench 里面，目前可以看到 deepsea v 四 pro 是 在这么多款模型里面是排在最后的，那么在多语言这个排行榜里面，那这个指数也是排在这个倒数第二位，也不是算太高。所以呢，从这些参数对比上来看的话， deepsea v 四 pro 应该不算是说最好的，但是也不会太差。那这边还特别强调了啊， deepsea v 四对 color code， open color 和 open code 的 这些编程工具啊，都做了一些适配和优化，那目前在成本上啊， deepsea pro 的 话，输入是一元啊，为 那缓算未面中的是十二元，那这个成本其实也不算太高，但也不低啊，那 flash 这个型号的话，那啊这个成本就非常低，那特别要强调这边说了一句话啊，就是目前 pro 的 这个服务吞吐量十分有限， 那么在下半年的时候，申腾九五零上市之后，这个 pro 的 价格会大幅下降，其实这句话其实也说明就是 deepsea v 四为什么这么迟没发版，所以说是非常非常不错的一个 勤俭的一个方向，所以说下半年之后他应该会大幅的去调价格。 ok， 那 我们就试一下这个 v 四和 kimi k 二六以及智普的 gm 五点一在编程来做一个对比的测试，看一下到底是什么样的情况。那我们这次测试呢 啊，是要做一个稍微复杂点的企业官网的 cms 系统，那这个系统的话是可以在后台去设置企业的模块，那么这 设置完之后可以在企业里官网去预览这样的效果。那么我这边也是用 ai 做了一个这样的 mvp 版的这个产品 pid， 那 么有详细的这个需求描述以及页面的描述，功能描述和模块的描述，那整个产品的话模块数量有十个，然后我们测试的目标是总共花一到两个小时时间开发加调试， 那希望这个系统的完成度在百分之七十以上，也就说允许它是一个不完整的系统，但是大部分功能都要完成。那测试工具呢？ dsp v 四 pro 使用的是酷狗酷，那 kimi 的 话使用的是 kimi c i 那字谱的五点一也使用的 clock code， 那 这个所有的这个工具啊，都使用了 agent skills 这个工作流，那完成 spike 到开发实施的这个完整的过程，那 agent skills 这个工作流的话是包含了啊，生成规格文档、 spike 以及生成具体的计划，然后去执行 编码，然后的话去进行验证，然后去进行 view 和发布。那我们这一次主要用的是前面四个阶段，也就是 spike 计划，也就说是规格计划执行和测试。那 deepsea 这边的话是，呃整个过程全部完成了，然后它也进行了很多这样的一拖一的测试啊。因为在我们的这个 p r d 文档和生成的规格文档里面是要求它进行一个端到端的测试，所以这边的话是测试的比较多， 这样的时间花了比较多时间去做这样测试啊。然后，呃，因为这个测试也发现一些问题，他自己也修复了，那最后呢？这边任务全部完成，然后测试也全部通过，然后也发现了一些问题啊，让他来去修复，那前面这边都是在修复问题，直接描述告诉他，然后也是一次过， 然后它这边修复完之后也会自动去进行一个啊端到端的测试。首先我们来看下这是这是 kimi k 二点六跑出来的效果啊，我们登录一下，那这边是这个是有真实的这个后台数据的 登录，然后这边的话是可以选择模板，这句话是可以选择模板，比如说选择这个模板，然后就可以去配置信息，比如说这个乱乱写的这些信息都是乱写，都是可以保存的，那页面的话，这边显示这么多页面， 那你也可以关闭这些页面的展示，然后我们可以先预览一下什么样子，你看这个就是他做出来的一个官网公司介绍，我这个每一个页面都有对应的这个信息的维护啊，比如说我们现在去维护一个这样的一个案例，那么我们可以在这边可以看到案例， 然后的话你是可以去新增一个介绍，这边还有一个副本，然后保存， 那么我们在我们这个官网里面就能看到案例啊，这边是有张老板这个案例，那么首页这边也是可以去维护的，专门有一个首页的一个模块管理，比如这个八条，那这边我是已经编辑好了的。 然后的话还有这个企业简介，也就是针对的是这个首页的这块的描述，还有什么公司介绍呀？那这边也会是有这个去编辑去去做管理，也就整个是一个一个 cms 化的，可以做出比较通用的这种企业官网。 这功功能还是有七八个、十十来个功能嘛。好，这个是 deepsea v 四 pro 生成的，界面还是非常干净清爽的。然后这边的话是主要的功能控制台，然后的话模板选择，我们这边先随便选一个站点设置，然后我们改一下测试公司， 然后的话是 logo 图，我们就随便选一个吧。 ok， 然后这边还有这些信息随便填， 就是基本上所有的提交功能都是真实的访问到数据库的，所以说是没有问题的。保存模板的话，我们可以随便选一个模板切换模板，然后我们可以在这边可以做进预览，这个就是他的一个做出来的一个效果，他这边做出来的预览的效果，然后我们继续可以去编辑页面，比如说这个页面的管理首页， 然后顶部横幅，那这边的话是很好的去完成了，可以去设置这样的图片啊，就他是什么呢？他是第一轮需求就已经完成我们要叠带的功能，所以说这个方面是表现非常不错的。 然后的话还有一个就是他可以去编辑任何功能都可以去编辑，然后去新增也好，去更换也好， 然后这边的话它还有一个非常不错，就是说所有的信息都有一个草稿的状态，然后这其他两个模型是没有考虑到的，在我的 p r d 里面也是没有提到的，它相当于是自己发挥了一个这样的一个功能，一个草稿的状态。 然后的话整个预览也是很正常的，就是你可以看到不同的信息，但是这个东西点不了详情页，那么在智普五点一他就做到了，就是能够去查看这样详情页，说明这个他会考虑的更多一些。就智普这个比这个 double c 又稍微考虑多了一点点， 但是也也是，但是他但是他是花了一次迭代之后，但是呢他但是呢他比一四会多花了一次迭代，那其他功能都是正常的。那我们再看一下智普五点一生成的这个 cms 后台系统，我们也是一样也输入账号密码才能登录 好。 ok， 那 这边的话我们看一下有什么功能。仪表盘好，它这边有一个仪表盘，它还有个快捷键，就是从这个体验上比这个提米调点就生成效果好一些。站点设置，然后我们随便传一个公司 logo， 随便点， ok， 保存好，然后呢我们再看一下这个页面管理首页， 哦，他这个也是可以去做这个轮播图，我们也加个轮播图吧，然后的话他这个轮播图他还有一个这样的一个效果，就是可以去跳转链接，然后我们来预览一下， ok， 然后他这是有一个滚动的 ok， 然后这边的话有其他的信息，那么他这个页面管理做的是非常不错，比如关于我们这个页面，他会有很多信息快按快的。 那我们在预览的时候，比如关于我们他是有很多这样的模块，那么在模块里面就可以在这里面去填充内容，那比如说产品服务，那我们可以找到产品服务这个页面，产品服务他这边包含了固定的信息，比如说图片啊，然后他也是可以去选择已经添加的产品列表，比如这里面这个就是已经添加的产品列表， 就他这个做的更完善一些，比这个 k 二点六做的更完善一些。比如说我们先保存起来，我们再去这个产品服务这里面去看， 那么就能可以看到很多这样的信息，那么你也可以在这边设置一个 bug 条 bug 图，那么总的来看的话就是，呃，整个任务数上 就不一样，就是 dp 个 v 四，它通过 agent skills 生成任务只有十七个，这个让我有点奇怪啊，我怀疑是它在使用这个技能上，好像是有，是不是有点问题，不然不会相差这么大的，或者说理解我们的 p r d 上，但是它完成又功能都完成了，这个是让我一直到现在还没有想明白是怎么回事儿。 然后前端 ui 的 话，比这个 kimi 和这个智普，我们在没有任何前端技术的情况下会稍微长一点点，那花的时间也也不算短，一小时三十分钟左右。那这个是在自动化测试这里花了比较多时间，它因为它 经过了三轮自己的测试，然后修复了好几个问题。那 bug 数就是我自己自测的 bug 数大概有个六七个左右。那迭代的话，它是没有迭代，因为我们迭代的功能商，它做首页的那个 bug 管理它，它第一晚就做出来了，所以这个非常不错。 然后 kimi 这边的话和智浦这边都是三十三个。然后完成度的话， kimi 这边功能完成度稍微差一点。那其他的都是啊，它的主要是它的速度非常快，因为我们可能是用的是 kimi c i 的 这个原因啊，它完成速度非常快，第一版 那总共完成时间也是非常非常快的啊。最后我们来总结一下，从这个结果上看啊，就 dbc 个 v 四啊，用较小的任务数完成了其他两款模型一样的效果啊，一个是十七个任务，一个是三十三个任务，但是不知道为什么会这样， 那整个页面的交互和完成度也是非常高，包括前端的展现，还有他自己考虑的草稿什么的，所以说我觉得是非常不错的。 然后他的表现，就整体的表现来看，我觉得他是介于这个智普的五点一和 kimi 的 k 二点六之中间，可能他的三者在不同的任务上可能会有他面临一个幅度的调整，但是我觉得这两个三款模型差距不会太大，差距不会太大， 但是呢 deepsea 微四目前没有看到这种图片识别视觉的这个能力啊，那另外两个模型都是具备了这样的能力，这也是一个，这是一个差距。 而且呢还有呢就是 deepsea 目前调用的成本是过高的，那我们可以看一下，我完成这个任务大概消耗了三十二元，大概消耗了三十二元， 然后的话 token 目前这个调用成本跟同类的其他的模型暂时是没有优势的， 所以要等下半年他换了这个深腾的芯片之后可能会更好一些。 deepsea 线可能会引入这个外部的投资，那更加的上下化一些，那么他的模型的发版速度也是会非常快的，所以说是非常值得期待的他的下一个版。 ok， 本期视频就到这，希望这个视频对你有所帮助。
1798AI随风
06:36查看AI文稿AI文稿天呢， deepsea 微四这个版本正式全网发布了，而且呢同步推出了它的 pro 和 flash 这两个核心的版本， 包括我们自己蘑菇云这个团队在内，我相信很多这种有私有化大模型部署需求的企业单位啊机构，我相信现在都在考虑要不要立刻马上迁移到 deepsea 微四这个版本，或者呢，就是至少要拿来测试试用一下对不对？但是你要明白，只要涉及到私有模型的这种迁移， 首先绕不开的核心问题就一定是硬件能不能适配新的设备，应该怎么选型的问题，因为只有这个硬件匹配到位了，才能够把 deepsea v 四的真实的性能，核心的优势完全发挥出来。 大家应该都还记得前段时间 openclaw 特别火的时候，一些人在自己的私有的小算力上使用的时候，他的只能回答问题但不能干活的那个尴尬的局面，大家应该还历历在目。所以 今天这条视频我就尝试给大家讲讲清楚， v 四的 pro 版本和 flash 版本应该分别适配什么样的硬件规格，显存的标准，以及落地部署的真实的预算的价格区间，给所有的准备迁移测试私有化模型的同行做一份实打实的落地参考。 首先我先来说一下 deepsea v 四 pro 这个版本，这个版本其实是这次发布的旗舰满配版，应该是一个妥妥的工业级的大模型， 拥有一点六万亿的参数级别，因为是 m o e 架构，也就是混合专家模型，他每次激活的模型的量呢，大概是四百九十亿激活参数， 所以呢，这就决定了他根本没法用这种普通的一些消费级显卡。硬件的门槛是非常明确的，你必须要选用服务器级别的配置，因为他对显存有非常高的要求， 比如说英伟达的阵营，它的最低标配我预计就得是 a 一 百啊这种八十 g 显卡的这种，这个八十 g 显存的显卡三卡起步，或者呢就是 h 一 百八十 g 显存的两到三卡起步。 国产算力这边对标的是升腾九五零的多卡基群，或者是韩五 g 的 m l u 五九零的这个基群。因为核心硬件的标准呢，单卡显存必须得做到八十 g 以上，低显存普通的服务器就完全会带不动的，因为他的一点六万亿的参数，激活四百九十亿参数，这个量对显存太迟显存了。 下面我给大家来算算成本，也就是帮大家做做预算。按目查，目前我查了以下的行情价格， a 一 百八十 g 的 单卡啊，这种价格在十一万到十三万人民币之间，三张卡这种入门的配置，光显卡我感觉就待应该是三十三到三十九万人民币了。 h 一 百八十 g 的 单卡是十九万双卡起步的话就是三十八万以上，如果再算上，你得搭配一个机筐，再有一些机房的运维供电、散热配套，整体的解决方案下来，我觉得最低也得五十万起步， 应该是属于一个企业级的入门的价格，这个大家就自己基于自己的数能力和需求来计算。接下来我再讲一下这个 v 四的 flash， 这个版本也是这次性价比最高，行业迁移价值最大的版本， 很多人容易理解错，总觉得这个 flash 版本是不是就是一个缩水的低配版本，其实我的理解完全不是的，它的核心，这次 deepsea v 四最大的核心亮点，我认为这个 flash 也好， pro 也好，其实都具备是一样的，也就是一百万 token 的 超长上下文窗口， 换算下来就是将近百万字的长文本处理能力，也就是一本红楼梦，直接进去他就直接能学习明白了。 过往的主流模型，其实普通的只有十万级的这种上下文窗口，也就是幺二八 k 这个左右，这次呢是一兆，所以说百万级就给我们未来很多的这种依赖于长文本的场景会带来非常好的体验。这块后面我会详细讲一下 flash 版本的硬件门槛，我先说一下它，其实硬件它是大幅下降的，是中小机构、垂直行业，甚至一些个人的，即刻是能够使用起来落地部署的一个比较好的选择。 企业部署呢，我算了一下，单张的 a 一 百八十 g， 升腾九幺零 b 以及升腾九五零单卡都能稳定运行。如果你是一个个人小团队、工作室本地私有化部署，消费级的这种显卡其实也是够用的。比如说 rtx 的 四零九零二十四 g， 因为我们其实就用的是这种消费级的，我们大概有八张消费级的卡， 两张卡就能够稳定运行，单卡能跑通，就能够让这个百万 token 的 这种长文本的这种上下文就能够非常流畅的运行了。如果是从这个预算来看，这个 flash 版本一张 rtx 的 四零九零二十四 g 的 显卡，目前的市场价格大概在一万八到两万二， 所以说小成本就能搭建起本地化 c 优化模型了。如果是企业轻量化部署，整体预算我觉得也就是在二十万以内，所以说对比 pro 那 个版本，我觉得还是性价比非常高的啊，可以来尝试一下，我们自己肯定会马上就要迁移的。 最后我再说下 deepsea 微四的适用场景，因为这个版本我觉得它最大的亮点一个是 a janty 就 做了一些场景的智能化优化，但是另一个我觉得核心就是它的上下文窗口翻了将近十倍跟以前， 所以我觉得非常适合这种长文本海量文档垂直行业的四化知识库建设这种场景。这也是我非常建议各类机构优先迁移重点测试的这种领域。像比如医疗机构，他需要长期沉淀海量的病例诊疗的方案，医学文献、律师事务所、会计师事务所里边有的这种合同卷宗、审计的提稿文书等等， 以及还有大量的这种政企单位，对不对？你们都需要文山会会海是不是归党海量的政策文件，历史档案、项目资料。所以呢，这类行业我觉得是覆盖面非常广的，这些行业都有大量的长篇幅的、连续的文档的处理的刚需。 之前受到大模型上下文的这个影响啊，所以呢，只能把文档进行 red 进行拆分，进行碎片化的问答体验，有时候经常就切块，切的会不准。 而这次的 deepsea 微四呢，它全系百万级的超长上下文，我认为对这个场景应该是一个非常好的一个解决，大家可以尝试体验一下。 我觉得一次性加载这整套的档案，整本的卷宗，批量的病例，做完整的关联，智能的问答资料的汇总，我觉得对于它的精准度，对于那个幻觉的避免等等都是非常好的一个解决，我的我的感觉大家可以尝试一下。 最后呢，我做一个总结，如果你是大型的央企、大厂、科研单位，要做核心，高算力、高复杂度，任务预算充足，那就是 v 四 pro。 如果你是医疗机构、律所事务所、中小企业机构，对这种长文本处理这个海量知识库的私优化， 我觉得那你就不用上那些 pro 的 这种比较重的了，你就 flash 这个版本性价比是非常高的。好了，罗立巴赫，说了这么多啊，希望对你有用。也欢迎对这个话题感兴趣的朋友们，咱们小窗多多交流，拜拜。
79王得金#蘑菇云
14:58查看AI文稿AI文稿挑战解决史山 bug 的 模型大乱斗马上就要开始了，我们先来快速介绍一下场上的几位选手。左上角的这一位是第二场比赛的时候拿下了全场第二名的 k m k 二点六月之暗面的登月计划，除了贵了点，其他也都没啥毛病啊。 左下角的第二位选手就是在编程江湖绰号国摩一哥的 g l m 五点一，一直以来的发挥都是相当的稳定哦，稳定的就如同他抢购页面里的那三个灰色的按钮一样。左侧的第三位选手就是来自阿里系的千问三点六 plus， 好 像上次出场的时候他也是在这个位置哈， 这该不会是举办方有意安排的吧？那就让我们和他打声招呼吧，你好啊， 他好像不太想搭理我们哈。哎，回我了。好的，那我们再来看中间这一列吧。 最上方的就是我们的第四位选手 deepsea v 四 flash 版本多快好省，但是因为众所周知的原因，目前他还只能做到多好省。 而他右边的这位呢，就是他的老大哥 deep sec v 四 pro 版，有第一梯队的推理能力，却是第三梯队的折扣价格，有人因此赞扬过他们，也有人因此质疑过他们，相信这两种声音在以后也会不绝于耳的。 对此，他们只是在官网的一个角落里引用了寻子里的一句话，不幼于玉，不孔于匪，率道而行，端然正己。我们就在此祝他今天能有一个很好的表现，并在未来能够继续前行，探索未知之境。他下面的这位选手就是大名鼎鼎的来自 openai 的 gpt 五点五了， 虽然是第一次参加比赛啊，但是咱们就不必多介绍了，天下谁人不识君，本来他的老对手 oppo 四点七今天也要一起参加比赛的，但是很可惜啊， 举办方在比赛前一不小心两个小任务就把他的五小时限额给用满了，所以他就只能先去休息养伤去了，期待他能够早日恢复啊。再看下面这位，就是上一期比赛表现的非常亮眼的咪木 v 二点五了，年轻人的第一个抠钉破烂是不是他呢？那就要看他后面的表现了， 它左边的这位没有之一，就是咱们赛事评论区呼声最高的一匹黑马了， miami v 二点五 pro 如果说 deepsea v 四 flash 是 多块好省的话，那么 miami v 二点五 pro 版就是多块好， 我相信已经概括的差不多了啊，因为他目前确实不太省。好的，女士们，先生们，那我们就回到场地的 c 位，隆重请出我们的热场嘉宾， mini max 二点七。 mini max 老师今天之所以返场啊，就是想来帮我们验一验本场比赛的题目，他到底有几斤几两， 我相信这也是 mini max 老师最擅长的领域了，所以我们就废话少说，选手已入场，老师请验题。 这个 bug 的 现象就是，我明明创建的是李雷和韩梅梅，你看一条数据，但是大家看啊，我查出来以后它就是四条数据。四条数据？另外那几条是哪里来的呀？我不知道啊。就是这么一个摸不着头脑的破 bug， 而且它同样是偶发的， 有的时候是好的，有的时候它就一直是错的。我个人认为这显然是前端缓存的问题，但是前端同学指着后端那套维护了五年换了三波人的史山代码说要让我证明，可是我虽然证明不了我没有错，但是我同样找不到我到底错哪了呀？ 好的一句，我到底错哪了呀？我们听出了这其中的人情世故，没有哪个程序员会知道自己到底错哪了的，尤其是当他的错误还有可能是被别人的代码导致了的时候，那他就更不愿意自己一个人扛下这口锅了。理解理解， 那我们就先请出 mini max 来替他试一试这口锅里的水，它深还是不深吧，这次我们就不说加油了啊， mini max 起锅烧水。 好的， mini max 这边已经结束了哈，我们看一看对不对。 大体上是对的啊，是多个子表，因为数据错乱，然后关联查询查除了与自己无关的数据，再加上迪卡尔成绩就出了些， 就出现了多条数据，根本原因对，就是这个号码不为一导致的，但是它只定位到了一个原因啊，其实还有一个原因就是为什么这个号码会不为一呢？解决方案是改 circle 子查询没问题啊， 因为我的提示词里要求了不能改数据库这种史山代码他的难度不大，但是他的特点就是代码乱，数据也乱。但凡你的解决方案是要去改数据，那在没有重构计划的前提下，你不是彪就是傻哦， 好，不错，迷你 max 试水成功，定位到了问题，也给出了方案，没有指出全部的原因，但是遵守了提示词的约定，没有去动数据库。接下来我们就看看其他选手的表现吧，比赛正式开始。 好的， gpt 五点五这边率先结束了定位啊，只用了两分钟就结束了，不愧是世界一流啊。方案我们一会再看啊，等一下其他的选手。 哎，千万这边啊，不对，国摩一哥这边啊，他俩同时要结束比赛了，看谁先结束啊。 哎，好，还是千万这边领先了一点点啊，然后国摩一哥这边也快了。好的，国摩一哥这边也结束了定位，我们再等一等其他的选手，看看下一位是谁。 好的， deepsea v 四 flash 版本这边是第四个结束了定位啊，看样子给出的方案好像也差不多，我们一会再看。 好的，第五位结束定位的选手是 mimo v 二点五啊， 然后啊， kimi k 二点六这边也快了，看看他能不能结束定位率先，哎，和 v 四 pro 这边差不多，看他谁哦。两个人几乎同时结束了定位， 那么下面就剩下一位选手了，就是我们的咪莫 v 二点五 pro 了，看来他正在进行深入思考呢。 好的，咪蒙 v 二点五 pro 这边经过了深入的思考之后，最后一个结束了问题的定位。至此，所有模型都已经制定完了开发计划，我们来一个一个看一下。 先看 gpt 这边吧， gpt 的 答案一如既往的是工程师风格啊，没有什么格式可言，不过能看得出来他找到了问题的原因。哦， 应该只是定位到了一个原因，修改方案也是合乎我们提示词约定的，没有去要动我的数据库，最重要的是他识别到了我们这个项目做完了以后是要维护上下文的，然后他也给出了维护上下文的方案， 整体十分的话，他只定位到了一个原因，扣一分，然后其他的都还好，所 所以 gbt 得了九分。然后是千问三点六 plus 这边，千问三点六说他双管齐下要，第一个他要修复查询的问题，第二个他要清理藕合数据，这个其实是不行的，这个就动数据库了啊，这个对于其他的需求而言不一定是垃圾数据。 然后好在他给出了两个选项，你可以选择清，也可以选择不清，那么我们就不给他扣分了。在这所以他没有维护上下文，扣一分，只定位到了一个原因，扣一分。千万三点六 plus 得了八分。 我们再来看国摩一哥这边。 g r m 五点一这边。同样是定位到了问题啊，是因为号码的问题，然后加上关联查询数据库就出来了多条数据，他定位到了，但是他没有。按照我们的约定，他动了数据库，减一分， 没有维护上下文，减一分，只定位到了一个原因，减一分，他得了七分。再来看 deep sec v 四 flash 版本这边，他和 g r m 五点一一样啊，只定位到了一个原因，方案中要动数据，然后没有维护上下文，减三分，他得了七分，然后是咪幕二点五这边。 哦，他两个原因是都找到了的，他两个原因都找到了，一个是只根据号码进行查询的问题，一个是为什么生成了重复的号码的问题啊，那他 动数据库，没有维护上下文，他只减两分。咪目二点五这边得了八分，然后是 k m 二点六这边。他也定位到了问题，但是他要修改数据，减一分，没有维护上下文减一分。 k m 二点六这边得了七分，然后是 deepsea v 四 pro 这边定位到了问题，然后定位到了两个问题，而且是 为什么会生成和别人重复的号码。他也定位出来了，修复方案给了，改数据库的也给了不改数据的。那就不扣分了啊。上下文维护没有规划减一分，所以他得了九分。 然后是咪莫二点五 pro 这边和 deepsea v 四 pro 是 一样的啊，两个原因都找到了，方案也是给了改数据库的和不改数据库的，上下文没有维护减一分，所以他也得九分。好了，各位选手的方案我们已经看完了，接下来进入修复环节，就从 gbt 五点五开始吧。 哎，他这好像遇到了个情况啊，不过这个情况应该不是五点五的问题。嗯，他已经修复完了啊，我们直接开始验证了， 现在点击生成好的，现在他只生成了一条数据，查出来的也是一条数据，没问题啊， gbt 五点五修复成功，最终 gbt 五点五得分是九分，然后看千问三点六 plus 这一边，我们按照他给出的只修复的方案让他修复啊。 好，他也修复完了，然后我们来验证一下，看看他修复的对不对。点击生成，哦也。哎，不对， 这两个数据不一样，我生成的是李雷和韩梅梅，他给我生成的。这是啥？虽然只是一条，但是他数据错乱了，错乱了，千问三点六 plus 改错了啊。 呃，因为他给出了多个方案嘛，所以我们按照我们让他按照只修复查询的方案进行的，如果按照他推荐的那个也改数据的方案，没准他能改。对啊， 所以其实他虽然给出了两个选择，但是第二个选择其实是错的，那么我们还是要给他扣掉一分的，所以千问三点六 plus 这边得分是七分，然后再让一哥开始改吧。 好的，一哥也改完了，然后我们来验证一下。生成，生成，那他生成的就是对的了。没问题啊，一哥改对了，那么 g l m 五点一是得分是七分，然后是让 deepsea v 四 flash 开始改。 哎， deepsea v 四 flash 把上下文给我加上了啊啊，他方案里虽然没维护上下文，但实际他把上下文给维护了，那么我们把扣他的那一分再给他加回来啊。 好的，他改完了，我们来验证一下点击生成，哎，也是对的，那么 v 四 flash 这边一共就是得了八分啊，他扣的那个上下文我们给他加回来，然后是 kimi v 二点六这边开始。哎呦，出现了个情况， 他触发五小时上限了。 kimi v 二点六还是很贵的啊， 那么我们把它切换到 open go 的 法号，一会让他最让他最后来执行吧。接下来登场的就是 deepsea 微四 pro 了，开始执行吧。我真替 deepsea 微四 pro 捏一把汗啊，国魔之光，你要加油啊 啊，我们发现他也把上下文维护给我加上了，那么把扣他的那一分也给他加回来啊。哇，他如果能改对，那他就是满分了，我们看一下。 好的，本场比赛的第一个满分选手诞生了，他的名字就叫做 deep sec v 四 pro。 深度求索，实至名归。然后我们恢复一下情绪啊，我们把那个代码回滚一下。刚才也是回滚了的啊，你看现在谁又出错了。嗯，然后我们再审审一下。 哎呦，我去看啊，这，这就是这个 bug 的 现象，很诡异，然后我们让下一位选手来修复吧，下一位选手就是咪莫 v 二点五了，看看他能不能改队开始吧。 哎，我们发现很有意思啊，这些国模都是在计划 plan 的 时候没有把上下文维护加上，但是真正改的时候都把上下文给加上了，那他这一扣掉的一分也加回来啊，验证一下。哎，他也改对了。好的，那么咪莫 v 二点五的总得分就是九分了啊，挺高的呀。 然后我们再让他的老大哥 v 二点五 pro 改一下吧， 我们看到他的任务列表里其实是没有维护上下文的， 哎，你看，呵，他又把维护上下文的给补上了，哈哈，好吧，把扣掉他的那一分也加回来，如果他能改对的话，那他也是满分选手了，来验证一下。 好的，那么本场比赛的第二个满分选手 mimo v 二点五 pro 也出现了啊，但他花的钱是真多啊，大家看一下他花了多少钱， 整整二点一五美元哇，是 deep sec v 四 pro 的 四倍，所以说他是多快好吗，一点都不省啊。 然后来吧，我们刚才触碰触碰那个五小时上线的 kimi 二点六，我们确认一下代码有没有回滚哦，回滚了，现在又出问题了啊， kimi 二点六开始吧。 好，他也把上下文给补上了啊，那么把扣他的那一分也给加回来。 好的，他也改完了，我们来验证一下。好的， kimi 二点六也改对了啊，那么他就是得了八分。最后两个满分选手，一个是 deepsea v 四 pro， 一个是 miami v 二点五 pro。 那 么下期各位想看哪些模型呢？把他的名字打在评论区吧，拜拜。
1.2万Token就是词元
07:40
02:34查看AI文稿AI文稿一人公司的进展啊， g windows 协休了两天之后被挂了，为什么就是它？现在 windows 禁止了各种 其他邮箱的试用啊，好像能用的只有 gmail。 所以呢，那些从 get up 上面下就是自动注册邮箱再去注册 windows 这个工程的人，现在面临一个问题，就怎么快速去注册 gmail 邮箱，然后再去注册 windows。 所以暂时羊毛和鞋貂都没有了啊。回归正统吧，反正我那个 windows 我 自己之前充了个 pro， 先用着，然后我的 codex， 我 用 apple id， 然后去买了那个 apple gift card， 然后又用 ipad 去充了叉 gbt， 结果我电脑上的 codex 还是用不了，就很奇怪，然后看了一下那个 登录的那个用户的邮箱和我实际上在 ipad 上面买的那个邮箱还不太一样。我说这个还在研究一下 codex 怎么用起来，然后那个大家也提供了本地部署的伽马四的逻辑。我觉得好像 也可以探索一下 deepsea v 四这种 agent 能力到底是怎么样的，还是要去积极拥抱国产。我觉得把那个 deepsea 威斯配到龙虾或者爱马仕上面，或者是说就用本地部署的嘎马仕去搞龙虾或爱马仕是个挺不错的方法的。 后面逐渐去升级自己的装备，然后去用呗。啊，确实搞这个大魔性应用的话还是用个什么本，用个 mac 本比较好一点。 mac 然后用 windows 的 话，它其实那个 coolwork 什么的用不了。嗯，再试试，等有心得了再来分享。也请各位有经验的咱们多多聊起来啊。我最近的粉丝达到一千个了，特别开心。呃，也建了一个免费的粉丝群。 嗯，之前有朋友问我耳机从哪买的，我会，我会去找一个能够嗯一模一样的平替款挂到我的小车车上，反正现在也能呃，带货卖东西了也挺开心的。哎呀，这个每天都有新的变化，然后大家一起加油。
51平权认知
05:21查看AI文稿AI文稿deepsea v 四到底能不能打？我让我的龙虾自己来跑一次看，这是我的龙虾啊，我们来让我的龙虾做一个心愿贪吃蛇的一个游戏啊，因为我没有用上 cloud ops 四点七，所以只能四点六参赛了，然后 glm 五点一，这个也是一个比较新的吧， 所以我们来看看这四个哪个最给力啊？ a few moments later 现在给你打上盲标，你直接打开浏览器网就行。四个版本分别是游戏甲，游戏乙，游戏丙，游戏丁。你玩完打分来，我们玩一下这个游戏啊。游戏甲，哎，这个音乐还不错啊，很轻巧啊，吃了还有动效， 然后，而且他不会死啊，就是给人的这个感觉还不错。不会，感觉他是一个这种很有挫败感，但他也有难度，就是他速度挺快的，所以你玩起来你的手的操作 得可以，所以这个游戏性还不错哦。我估计他唯一死的方法就是自己撞自己。哎呦，第二关了啊，第二关，这个，哎，哎呦，哎呦呦，会死啊，哎，头撞了这个东西上会死， 这个有障碍啊，所以在保证不撞的情况下，这个吃到这个食物略有难度啊略有难度。他是等于把一个 贪吃蛇和那个乒乓球给结合在一起了啊，乒乓球？我倒呦。嗯啊，我们发现一个小规律啊，就是他跑到边他不会穿，那就好吧，我可以先吓一跳他，哎，好，你看我把他轻松制服，哎嘿嘿嘿。 你不是会跑吗？你不是会跑吗？所有人觉得开心的点是因为自己觉得自己聪明就开心。 你看我，我这个游戏会让我有一种我聪明的感觉，哎，所以很开心啊，通关成功还不错啊，就是音乐没有按照我想的星星月便利贴来，但是整体的可玩性是可以的，他让我也很开心啊，尤其是我找到小窍门的时候，很开心。嗯，我们来看一下游戏。咦， 哦，这个是撞墙会死啊，这个第二个颜值是比第一个是是强一些的啊，而且这个操控更更那个他，他速度没那么快嘛，所以我操控还相对来说得心应手啊。 ok， ok， 移动迷宫第二关，哎呦呦呦，死了。 这个整体感受是一个反应的稍稍有点迟钝的蛇，蛇啊，哇，逃跑食物，那还是还是会跑。所以说难道他们这三个游戏的啊，所以游戏设计是同一个？游戏设计 就中规中矩，这个没有让人感觉很很想很好玩很逗逼，就是他出题人是出了同一套题啊。 ok， 那， 那就有预期啊，就没有一开始那个惊喜了。嗯，他明显明显就这个，不会让我太开心。 ok， 好， 这就过了，再来看游戏饼啊， what the hell 星星消失了，重新开始，这个不可玩啊。哦，这个这个，你动起来他就不会消失。 垃圾，什么变态玩意，这个简直不行啊，这个得打零分啊。这个贪吃蛇吃了点之后不变长。这个叫贪吃蛇吗？这是哪个模型写的？什么玩意？这叫贪吃蛇吗？这连贪吃蛇的灵魂都没有了，而且连个音乐都没有，就只有一个音效，就是本本啊， 游戏结束了，莫名其妙啊，这个游戏柄就直接最低分啊，最低分处理，我们再来看一下最后游戏钉啊， 哎，有音乐啊啊，撞墙会死， ok， 哎，好吃仙会长长长长。这个这个，现在都要求这么低了吗？吃仙长长都是，嗯，没意思，动效倒是有 好，第一关过了第二关，哦吼， ok， 第二关啊，哎，这就已经第三关了是吧？逃跑，食物，哎呦，别别别， 这个是，其实是能透过黑暗看见一点点，其实游戏没有那么有意思啊，哎，你看人啊，就是受虐一点你就开心，太简单了就觉得没意思，就这 比刚刚那个好点吧，综合评价一下就是第一个是是最好的，第二个呆呆的还可以，第三个简直拉胯不能用第四个，哎，反正比第三个强一点吧，就倒数第三吧。 揭榜揭榜！游戏甲是 g i m 负五点一，四十九分，冠军游戏性拿到满分十分，游戏椅是 g p t 杠五点五，三十九点五分， 游戏钉是 d c k v 四 pro 三十二分，游戏顶是 colossus， 四点六十九分，居然垫底了，吃了不长身体，这贪吃蛇确实太有创意了。 哇，这个这个，你看写游戏的这个竟然最厉害的是 glm， 五点一，没想到啊，啊， cloud 竟然是最差的。写游戏最差的竟然是 cloud， 没想到啊， cloud 呀，大名鼎鼎的 cloud 呀，哦，是四点六啊， 哎呀，太让人意外了。嗯，这这这这这这这这这对吗？ 好吧，你们觉得哪个游戏最好呢？评论区打一下。想要这四个游戏吗？我看怎么给到大家想要游戏的打个，想要回去玩一玩啊。 ok， 那 么今天的测评就到这，拜拜。
60小西校长聊AI
01:02查看AI文稿AI文稿vibe coding 一定要试试这款顶级开源 ai 工具，配合 glm 五点一，能榨干模型的能力极限，一口气编程八小时，不仅成本低，还大大提高效率。它上手非常简单，将各种五花八门的命令做了简化，进模式能让三十二个专业智能体同时干活。 比如输入做个任务管理系统，它会自动分阶段完成拆分任务，分配给架构师、设计师、测试员等不同角色并行执行， 最后验证、修 bug 等一整套流程。很适合跑 glm 五点一这种专为 agencic 场景优化的模型。 rev 模式专为解决复杂难题，它会一直循环执行任务，不断验证、修复、再验证，不达到标准决不停手。可以充分利用 glm 五点一在长城任务上的优势， autopilot 模式最省心，能自主执行完成端到端功能开发，并且还自带 hud 状态栏，实时显示编排指标。 oh my cloud code 加 glm 五点一的组合，是目前很适合实战的一套配置。
143秦楚zoro
08:45查看AI文稿AI文稿嘣住，这个 v 四和 glm 五点一，到底谁是国内最强的编程模型？一条视频告诉你， 今天这期视频呢，我将会选择我自己已经在发售的一个实际的公式产品来实际的测试一下，我们就不用原来那些已有的一些参数和一些专门的一些测试， 因为可能模型厂商会为了这些测试专门的去对模型的某个地方进行一个优化，我将会对这个产品进行一些补丁的一个优化，以及一个新功能的一个增值。看看 g l m 五点一和 deepsea v 四在同一个任务上面的一个表现，性能的差异到底如何？我们直接开始测试 好， ok， 那 么这次测试呢？其实我全身使用的是一个 cherry studio g o m 呢，接的是这个 g o m 五点一的一个 coding plan， 然后 db c 的 话我自己血充一百块钱，然后我们来实际测试一下，我给它们各自定位了一个各自的一个目录，都是我已经成型的一个项目代码，它们是一模一样的。 我可以先给大家看一下我这个项目的一个基本功能，比如说我先跟 db c 说启动当前项目，我们来看它的一个实际表现怎么样， 这里我使用的是这个 cherry studio 的 一个 agent 的 模式， ok， 他 在执行命令，我们来等待一下。那么这个其实其实就是在我本地的一个自媒体数据平台的一个大师啊，那么他就是我一个完整的一个功能，大家可以看到这里面就是我们一个实际的一个相关的操作。那么其实具体信息的话，大家可以看一下我之前发过的那一期视频， 我里面讲的是已经比较详细的了，今天这个功能呢，其实是这样子的，因为我们比如说现在我们这个导出 excel 表格吗？啊，我们可以看到在我们 excel 表格里面他会有很多的这么一个数据指标啊，比如说在这里 大家可以看到这里面有很多指标，就是说他一共呢其实有五个分表，平台明细、作品总表、作品总表、作品增量表。然后的话我们的这个分表里面呢有这么一些元素，比如说像平台明细里面有这么一个点赞率、互动率，然后播放量、评论量、涨粉效率等等等等。 今天我想测试的第一个点就是我让智普，智普的 gim 五点一和这么一个 deepsea 同时去新增一个这个指标叫互动转粉率。我们就是以一个比较简单的一个需求来看看 deepsea 它的一个思考深度，以及它完成的一个能力怎么样。好， 那么我们现在把这句话复制一下，先发给 deepsea， 同时呢我们在智普的 gim 这里面给五点一直接发一个这个什么阅读当前项目。 好，然后我们可以静静等待一下，这边 g l m 它提前说出了，它对代码结构有了清晰的理解，其实这个 g l m 给我这种感觉，它其实很像 codex， 就是 那种自己在思考推理，然后对照，然后复盘。 ok， 那 么 gm 首先完成了他们的一个任务，我们来看一下 gm 的 一个完成定义、修改内容、总结公式、定义、 v 一 文件七个表格。好了，他，对，哦，那么相当于说他对于每一个表格都进行了一个计算，哦，看到没有？他是对我们的一个五个分表都进行一个计算了。 好了，他现在还在验证增量互动转粉率，他还做了个增量互动转粉率，互动增量。哎，这个其实是很有意思的。 ok， 那 么我们现在已经启动了我们的九零九一端口，但是他出现了一个问题， 他的这个问题就是他的这个前端其实是改出问题来了的。 ok， 那 gm 他 虽然做的很快，他也可能我觉得他的后端逻辑应该是没有问题，但是他前端是出问题子了，我们来跟他说把这个前端来改一下。好，我们来看看 deepsea。 deepsea， 他 现在在完成四到五个任务，还有最后一个任务。 ok， 我 们来看一下他最后的一个总结怎么样。哦， deepsea， 他 其实现在才刚刚摸清楚整个的一个数据流， 他现在才刚开始去支持一个实心计划，我发现他真的是考，就是像呃 x 上面有人说的，他考虑的很深，但是很慢，其实这个项目他看似简单，他其实并不简单，因为他其实会针对。 嗯，如果是一个具有多重复杂，能多重思考维度的一个模型上来说，他需要思考在每一个分表中，他们应该以怎么样的逻辑，怎么样的一个维度去进行一个切入，嗯，和进行一个数据的清洗， 我觉得这一点还是比较困难的，他并不是说那么简单的一个事情。好了，那么这里的话质谱他是已经完整的完全的这个一个代码了。现在我们来看一下他现在的一个实际表现怎么样？我们先打开当前的一个页面， ok， 加载中。 好，然后我们现在呢就可以选择一个按日期重考，比如说我选择一个，今天是四月二十四号吗？那我就选择一个从四月二十号开始啊，二十号可能有点太晚了，比如说十八号吧， 到四月今天的停止。我们这中间发布的一些作品，我们来进行一个才同步，我们来看一下我们的程序会不会出现什么 bug。 首先我们来验证一下我们的这么一个指标到底有没有加进去？我们来先来导出 excel 看一下，选择我们要下载的数据，那我选择一个全平台的数据，我们来看一下 我们刚刚其实对他的一个要求是希望他加到一个互动转粉率，所谓的互动转粉率就是涨粉量比上一个什么，比上我们的一个总互动量。但是大家可以看一下，我其实在这里面没有看到他的一个互动转粉率。 ok， 我 们来看下作品总表， ok， 他 这里面其实是有加了一个互动转粉率的，说明我们的质谱他其实是在哪里？他只在他的飞书里面加，他并没有考虑到。在我们的前端架构中，他其实还有个导出 excel 表格的一个结构，那么这个就是比较欠缺的一个部分， ok， 互动涨粉率没有问题。二，是不是二十三点九三？他的计算公式是什么，对吧？是不是二十三点九三，所谓的互动涨粉就是我们的互动率处于我们的一个那个涨粉量啊。那么作品总表里面呢？看看他是在最后一页加了一个互动涨粉率， ok， 也没有什么问题。同步日记， 同步日记的话是没有互动涨粉率自然就没有加，那我们来看一下我们的一个这个一个作品图标表。 ok， 那 么其实在作品图标里面的话，他其实可能是对每一个平台的这个东西都加了一个互动，互动质量、互动转粉率、抖音小红书、 b 站、快手视频号。哎，其实这里面的话，他给出的一个思考还是很全面的，他只是把他能考虑到东西他全部考虑进去了。那我们现在来看一下对不起个 v 四看一下怎么样 啊？我们看我们这边四个比四他还在做，他现在还在做。 ok， 已完成改动拆要新增互动转粉率指标，互动转粉率等于这个东西修改的四个文件共十八处改动。 ok， 他 他其实我感觉总结会非常清晰， 服务人在九零九零端口正常的运行，那我们来看一下 tipc 的 任务，他完成的效率又又是怎么样的？我们来看一下九零九零。 ok， 九零九零出来了，九零九零出来了，那么我们现在呢？我们可以直接按着去重跑一下，看看当前的一个状态是如何的。我们选择四月二十号到四月二十，四月十九号吧， 四月十八号到四月啊，四月四月十九，我们可以选择四月十九号到四月二十四号。确认执行好了，现在让整体的跑跑动来看一下，我们看 type 的 版本，它设置的版本有没有考虑到一个内置 excel 的 一个输出。 ok， 他现在自己开始输入同步了，我们可以来看一下他这里面会在这里面自动创建一个我们的表格，这是一个还其蛮奇妙的一个过程，好了，慢慢写进来了。 b 站，抖音、小红书、快手视频，视频，视频 啊， ok， 这里面是已经放进来了，那我们看一下他有没有加这么一个互动转法率呢？其实也加了，大家看到没有？有一个互动转粉率二点三八零，但是有什么问题啊？这里面的问题就是啊，我们的这么一个涨粉率这里是零，但是他为什么没有加互动量呢？ 啊？因为我们的互动量都是零吗？其实也并不是零哦，是的，因为他这里面考虑到点赞量、收藏量、评论量加分享量加起来都是零，所以说他没有必要把这个东西给写进去，所以这里面两排是默认是零，这个我是能够理解这个我是能够理解的。正好看一下我们的一个本地的 excel， 它导出怎么样？我们来看一下 gpt 它写的怎么样？ ok， 哎，我们来看到 gbt， 它其实是写啊，不是 gbt， 它 deepsea 它其实是写进去了，它在这里面的一个里面有一个互动转粉率，大家看到了吗？但是我们刚刚的 gim 它就没有发现这个问题， gim 是 没有发现这个问题的，它在平台明信里面并没有所谓的互动转粉率。哎，我觉得这一点 deepsea 它考虑确实很深入，它把我们的它在这个时间就是有点太长了， 我觉得这个时间就是有点太长。 ok， 他 现在全部同步完了，我们的作品增量表里面，他里面有没有对每一个东西进行一个表表达呢？我们来看一下作品增量表，有一个日均播放增量，日均互动增量，增量状态 ok， 那 么知道他就知道这个这个指标其实是不太好写增量的，我们来看一下这个呢收藏量主要是看有没有互动转粉率的，各个平台的我们可以看到 dbc， 可他并没有在我们的一个作品图标表里面对每一个平台的一个各自的一个作那个互动转粉率进行一个修改。 所以我觉得这两个模型最终的一个完成度让我来打分的话，其实基本上算是持平，就是各有各的不好，各有各的好。呃，那么其实让我来说的话， deepsea v 四在我自己的这个工程上面来说，我们做一个不严谨的一个测试，我觉得其实还是可以的。那么本期视频呢？其实就是关于我们 deepsea v 四和 gim 五点一的一个上期的一个视频， 关于下期视频，为了控制这个时间长度嘛，我们还有下期的视频，下期视频我们会更深入对我们当前的项目进行一个更重复的一个更改。让我们来看一下 deepsea 在 处理这种超长任务的能力上面，它的能力到底怎么样。我们下期视频再见。
664赵逍遥Xavier
01:49查看AI文稿AI文稿今年四月， ai 圈可太热闹了，三款国产大模型直接改变了游戏规则， 没错，就是 deepsea、 kimi 和 g o m， 它们现在呀，直接霸榜了开源模型，那它们仨到底谁更强呢？怎么之就来好好比一比？ 写代码这块， deepsea v 四是真快，但要搞定复杂的大任务，还得是 kimi k 点六光会写代码还不行，它们的脑子怎么样？比比它？ deepsea 是 数学学霸，但 kimi 的 蜂群系统那可是独一档的存在。 重点来了，它们处理数据的方式才是真正有意思的地方。 kimi 是 唯一能看图片视频的， deepseek 呢，一次能吃掉上百万的文字，性能再好，开发者最关心的还是这得花多少钱， 你看这个价格对比，简直是天差地别， ai 真的 要变天了！ deepseek 的 flash 模型价格只有 gbt 四十四的五十分之一，但效果差不多。 说了这么多，到底该怎么选？关键还是看你用它来干什么。如果预算特别紧张，那选 deep seek 没错了。想要平衡点呢，就看看 kimi， 需要处理图片视频找 kimi， 要做大型工程项目，那得看 g l m。 想玩复杂的智能体系统， kimi 的 蜂群最合适，要自己部署，就选 g l m 或 deep seek。 所以你看，这不只是三个新模型那么简单，这是整个 ai 格局的大洗牌。总结一下，国产模型开始领跑，硬件儿也不再卡脖子，价格更是直接打骨折。 所以问题来了，全球 ai 的 性价比，未来是不是就看中国的了？
0图泠
02:34查看AI文稿AI文稿deepsea v 四这次核心不是参数变大，而是长，上下文成本被打下来，国产算力适配被推到前台。 v 四分 pro 和 flash。 v 四 pro 总参一点六， t 激活四十九币。 v 四 flash 总参两百八十四币， 激活十三币，两个版本都原生支持 em token 上下文定价上， pro 输入十二元每百万 token 输出二十四元每百万 token， flash 输入一元每百万 token 输出二元每百万 token。 推理成本只有 pro 的 十二分之一。 pro 现在受限于高端算力，吞吐有限，后面等二零二六年下半年升腾九百五十，超节点批量上市，价格还有下调空间。技术突破主要在效率。 v 四用了 csa 压缩稀疏注意力， hca 重度压缩注意力， dsa 稀疏注意力在 em 上下文下，相比 v 三点二单 token 推理 flops 降到百分之二十七， kvcash 显存占用压到百分之十， flash 还能压到百分之七，这件事的意义很直接。百万上下文不只是能跑，而是开始变得能便宜，跑并发跑， agent 也是重点。 v 四针对 cloud code、 open cloud open code code body 做了适配，代码任务文档生成，这些工作流会更顺。 agent 跑起来以后覆盖不止在 gpu 上， cpu 内存调度和沙河环境都会被带起来，这里对应的方向就是海光信息、 蓝起科技。性能上， v 四基本就是新的开源 sota， 综合能力比闭源模型大概落后三到六个月，但降本力度很强， agent 的 体验反馈优于 antropica cloud 三点五 sonnet 交付质量接近 openai oe preview 非思考模式，但和 opus 四点六思考模式还有差距，世界支持大幅领先其他开源模型略低于 google gemini pro。 三点一数学 stem 竞赛代码也已经接近顶级闭源模型。产业上最硬的信号是 d 零全站适配华为升腾、韩五 g 等国产芯片， 说明国产算力不是停在能用，而是在往超大规模、长系列训练和推理的商业化走。升腾练看华丰科技、航天电器、杰华特、卡莱特、泰嘉股份、深圳华强、 恒明达。国产 ai 芯片看韩五 g、 海光信息、天树至新服务器机柜和超节点看浪潮信息、紫光股份、华勤技术、中科曙光、神舟数码、拓维信息、锐捷网络、圣科通信。先进风装也会被带起来。 算力需求上行，国产芯片上量对应盛和、京微、新奇微装、中芯国际、华宏半导体。开源生态这边， v 四开源了 magma 一 底层算子库和 d sigma 高频发沙盒基础设施，降低 ai 应用开发门槛。这条线后面就看四个东西 长上下文，能不能规模化使用，推力成本能不能继续下降，国产算力订单能不能兑现， agent 应用能不能真正跑起来，风险也很直接。算力供给节奏、服务吞吐、客户验证、应用落地，任何一个慢产业，节奏都会被拖住。
10观水得趣
03:40查看AI文稿AI文稿最近新出的 d c v 四和 g p t 五点五大家都用上了吗？到底谁更强？你的强来了！普通人用 ai 只关心它能不能减少幻觉，少胡编乱造，它能不能精准的拆解工作任务，并让我们更快速的出成果。所以这次我用一个常见场景进行测试，让 他帮我处理一个老板临时甩来的模糊需求。他要求我做一个 ai 分享账号的三版方案，我要求两个模型完成一份可以发给老板的初步方案， 我把同一个提示词分别输入两个模型的新对话框，提示词完全一致，且我们只以第一版结果为准，重点看谁更能处理真实工作中的模糊需求。 我这次用二十分制分成四项，第一，风险识别，看它能不能指出需求里不明确的地方，比如平台预算、人力目标和转化路径是否明确。 第二，关键追问，看他提出的问题是否真正影响方案执行。第三，执行方案看七天试运行方案是否具体清晰能落地。 第四，沟通表达，看最后给老板的回复是否专业，自然有边界。先来看 gpt 五点五的回答，它的优势是完整细致，执行路径清晰。 一、他把需求里的模糊点拆的很全，比如明显效果到底是涨粉播放咨询，还是转化受众，是职场人、自媒体人，还是企业客户？预算是否包括拍摄、剪辑工具、会员和人力。 二、他的七天方案也比较完整，从账号定位、选择题准备内容发布到复盘调整都有具体安排。三、但他的问题也很明显， 信息量偏大，微信回复过长，这在现实工作中不合理，因为老板不会看你的长篇大论，所以 gpt 五点五这一轮方案周全但发散，缺少了点打工人的边界感。我的评分是，风险识别四点五分、关键追问四分、执行方案四点五分， 沟通表达四分，总分十七分。再看 deepsea v 四，它的优势是更简洁，更像一份初步方案。 一、他抓到的关键问题也比较准，平台未定，指标不清，网感标准模糊，预算范围不明。二、他提出的三个确认问题更加聚焦。三、他的微信回复也更接近真实工作沟通。 四、但他的不足之处是，七天执行方案中的部分日期合并处理细节没有 gpt 五点五那么充分。 所以 deepsea 这一轮我的评分是，风险识别四点五分，关键追问四点五分、 执行方案四分，沟通表达四点五分，总分十七点五分。所以更准确的结论是， g p t 五点五更适合做深度方案和完整交付。它的信息更充分，结构更完整，适合写内部文档、项目方案、复盘报告。 而 d c v 四网页专家模式更适合快速整理和职场沟通。它更简洁，重点更集中，更接近真实使用场景。 如果你要的是一份完整方案，选择 gpt 五点五。如果你要的是快速整理思路以及沟通，选择 deepsea v 四。 所以我们选择 ai 模型，应该更关注谁更适合我的真实工作流模型，不存在谁更强， 只有谁更适合完成什么类型的任务。 g p t 五点五更完整，适合方案深加工。 deepsea v 四，更简洁，适合快速沟通，哪个场景需要谁就用谁。我是零六六，关注我没什么理由，就是一定要关注我。
03:17查看AI文稿AI文稿他们说英伟达是上帝的大脑， deepsea 偏要回应，那我就要和上帝掰掰手腕！这是黄仁勋怒怼博主时的原话，一旦 deepsea 率先在华为平台完成深度适配，对美国而言将是一场灾难性的后果。而 就在这句话说出的九天之后，黄仁勋口中的灾难如期而至。 deepsea 微四正式发布，性能跻身世界第一梯队，成本却仅为行业主流的五十分之一。但美国真正恐惧的，从不是它性能有多强悍、价格有多低廉，而是 deepsea 以一己之力，硬生生撕开了全球 ai 格局的裂痕， 带着中国 ai 走出了一条完全不依附美国的自主之路。放眼国内 ai 赛道，所有人都心知肚明，最轻松的捷径就摆在眼前，跟风拥抱英伟达 c u d a 成熟生态，引进海外算力，快速迭代、快速落地、 快速变现，简单高效、见效快，这是绝大多数企业的最优解。可 deepsea 偏不。当同行追逐短期红利，疯狂依附海外生态时，他们偏偏一头扎进国产算力的深水区，主动放弃捷径，死磕国产底层适配。他们依然抛弃成熟的苦胆，全面扎根华为抗冷框架，适配尚未完全成熟的国产芯片 这条路没有短期收益，没有快速回款，只有海量的研发投入和常年的持续烧钱，注定孤独且艰难。过去半年， deepsea 至少流失了五位核心技术骨干，字节、小米、腾讯等大厂高薪挖角、团队重组、从头攻坚，每一步都不履为艰。但 deepsea 的 底层信念从未动摇。创始人梁文峰极少公开发生在为数不多的早期采访里，他说，很多国产芯片发展 受阻，根源是缺乏配套的技术生态。他笃定，中国必然需要有人站在技术最前沿，主动适配国产芯片，打磨底层算子， 优化集群训练，打通全链路推理，用自家产品硬生生完善国产算力配套生态，用尚且不算顶尖的国产硬件，跑通顶级 ai 全链路，以自身试错倒逼整个行业适配升级。一家企业铺路，万千厂商跟进，最终形成正向循环。从此，国产芯片不再面临无模型可用、无场景落地 困境。这一步是为自己破局，更是为整个中国半导体国产 ai 行业开路。有网友发过一段视频，凌晨三点的 deepsea 大 楼依旧灯火通明，配文只有一句，恳 求中国半导体千万别辜负这些拼命的工程师。 deepsea 微四发布当天，全中国一百万半导体从业者都值得欢欣鼓舞。那据预计下半年升腾九百五十超节点批量上市后， pro 版价格将大幅 下调的宣告，就是对无数个凌晨三点最郑重的回应。那些熬过的夜，终究不会被辜负。作为成长于互联网时代的九零后， 我们亲眼见证过拿来主义的浮躁外钱裹挟着行业，很多人在虚无的繁荣里迷失。互联网时代造出无数赚钱机器，可当 ai 浪潮真正来临时，迷茫与恐惧席卷了所有人。而 deep sea 的 愿景与行动，它不逐利、不畏难，逆势而行， 坚守本心的态度，一次次戳中人心。曾几何时，先辈们也做过同样孤勇的选择，若不是他们隐姓埋名，扎根戈壁搞核试验，今日的和平便无从谈起。若不是先烈们浴血奋战抗美援朝，后背终将直面更残酷的硬仗。如今，这同样是一场没有硝烟的战争。 deepsea 的 背后， 是整个中国产业的突围之战， v 四的意义早已超越了模型本身，他背起中国 ai， 踏上了一条我们亲手修筑不妥协、不依附的自主之路。
135抖美-老戴AI商业
