粉丝1113获赞1.0万
相关视频
01:27查看AI文稿AI文稿你们看，我桌面上有两个 club 的 客户端，上面这个呢，跑的是 club 的 官方模型，下面这个跑的呢是 kimi k 二点六，我写了一个 apple script 的 脚本，可以一键启动一个完全独立的实力， 各有各自的配置，互不干扰。所以我现在的工作流就是复杂的任务呢，用原版的 club， 日常任务呢，就用 k 二点六，那为什么能做到呢？就因为 club 的 客户端呢，最近悄悄上线了这个开发者模式， 允许你来给客户端的配置。第三方的模型操作也不复杂，只需要点这里启用开发者模式，然后在 develop 菜单中呢，选择配置第三方模型，配好 kim ko 定的 ipad 地址和密钥，重启后， ko 的 客户端呢，就会使用第三方模型了。 当然，如果你手上有其他模型呢，也可以使用。开启之后，原版的 chat 模式呢，就没有了，但是 kowook 和 co 的 这两个核心模式呢，都在，但这个东西呢，确实是非常强，其实它就是一个桌面的 a 键呢，你指定一个文件夹，告诉你想要干什么， 就可以自己规划任务，拆解步骤，派多个子代理，并行的处理。并且整个过程呢，都是独立在虚拟机沙箱里，只能访问你授权的文件夹。有人可能会问了，我用壳子客户端呢，不就是为了用壳子模型吗？这模型换了呢，还有什么意义呢？当然有了， 这个客户端呢，有一套上下文的管理和自动压缩机制，过期信息处理掉正在改变的文件呢和执行计划呢，保留下来，哪怕是长任务呢，他也不会断片。加上扣过的沙箱，子弹里的调度，本地文件夹操作，这些全都是框架层的能力，跟你底层跑哪个模型呢关系不大。为什么大家都说壳老的厉害呢？其中很大的一部分呢，就是这套 aj 的 基础设施厉害。 那为什么我这里选 kimi k 二点六呢？因为目前 kimi 的 性价比呢，是非常高的，支持很多的东西。后面我会专门开一期讲一下脚本和说明文档呢，我已经整理好了，想要的可以滴滴。
381赛脖古
01:11查看AI文稿AI文稿讲一下 cloud desktop 在 没有账号也不想装三方插件的情况下，如何接入 deep seek 杠 v 四杠 pro 满写版 em 向下纹首先点击左下方 help， 打开开发者模式，然后就会发现多了个 develop 选项， 点击 configure third 杠 party， 然后输入自己的 api key， 以 d s 的 ur 六翻到下面的模型列表，添加 deepseek 杠 v 四杠 pro em 模型， 然后打开 offer em 杠 contest 这个选项。注意，在 cloud desktop 里，模型名还必须添加 cloud 杠前 j 才能正常使用。最后翻到下面，开启 hide sign 杠 in 这个选项， 最后点击 apply locally cloud 会自动重启应用这些设置，选择由 em 向下玩的 model， 然后就可以用 cloud 直接体验满血 d s 模型了。
3126滑稽🤪
01:33查看AI文稿AI文稿不用花费高价订阅，不用担心封号，让 cloud desktop 接入 deepsea v 四，性能打平 opus， 价格却是白菜价。没看错， antropic 官方已经悄悄开放了第三方模型接口，不需要登录账号，不需要订阅，只需要简单几步配置，就能在 cloud 的 桌面端用上 deepsea v 四的 pro 和 flash 两个模型。废话不多说，直接上教程。 第一步，去 deepsea 开放平台获取 api key， 打开 deepsea 开放平台注册登录，点 api keys 创建一个新的 key， 复制保存好这个 key 只显示一次，然后充个值，最低十块钱就够了，现在还是优惠期，价格正合适。 第二步，去 cloud 官网下载 cloud desktop， 双击安装会看到这个界面，然后点顶部菜单栏的 help， 找到 trouble shooting， 勾选 enable developer mode， 搞定之后重启客户端。重启完你会发现菜单栏多出一个 developer 选项，这说明开发者模式已经成功开启了。 第三步，也是最重要的一步，配置第三方推理接口，点菜单栏的 developer， 然后点 configure third party inference， 进入配置页面， 这里有四个字段需要填，第一个 gateway base url， 填入这个网址。第二个 gateway api key， 填你刚才保存的 deep seek key。 第三个 model name， 也就是模型名称。想要最强性能就填 deep seek v 四 pro， 想要极致性价比就填 deep seek v 四 flash 两个模型都支持百万 token 上下文， 填完之后点 apply locally， 再点 relaunch now， 就 这么简单。重启之后你会看到界面一切正常。左上角有 co worker 和 co 的 两个标签，这是 cloud 桌面端的两种模式， co worker 是 桌面助手， co 的是编程助手，全部功能都能正常使用，赶紧去尝试一下吧。
20一川AI
02:24查看AI文稿AI文稿大家好，我刚才在我的这个 windows 上装了 cloud desktop 这个软件，然后呢用这个一些大神介绍的方法把它的七座大模型啊换成了小米的 mimo v 二点五 pro 啊，这个就是前天啊，申请了它的一些开发者的 token， 它可以给你免费送万亿 token 嘛？我用 用一些网上大神介绍的方法申请到了一些免费 token， 然后呢又用这些大神的方法把他的机座模型换成了这个，现在我问他你的机座模型是什么？他说是 mini 二点五 pro。 好， 我们开始我们的第一个编程任务，我就丢给他两张照片，让他给我生成我的一个个人网站单页的， 他吭哧吭哧走了大概十多分钟啊，生成出来了，然后我当时看了一下，我说怎么没有我，我给他的那两张照片呢？我，那我最后就把这两张照片啊放到这个输出目录里了，也就跟网页同一个目录好了，他又吭哧吭哧说找到了，最后改了一下网页，我们来看一下他输出的一个成果怎么样啊？ 啊？这个是整个的一个网页，我觉得他还是很有设计感的，对于这些呃网页来说，他处理的很好，他把我的其中的一张真实照片作为一个一个渐变的背景， 然后呢把我的另外一张吉普利风格的照片作为简介的一个 profile， 然后他很多，当然他的信息都是呃伪造的啊，就是说我们主要是看他的一个编程能力啊，这个黑色加金色的这种我觉得是非常酷的啊， 整个就单页的一个东西，还有这个在因为是中国嘛。呃，他有微信，还有新浪微博啊，抖音，还有 bilibili 啊，以及 youtube 啊，或者是这个 instagram 这些国外的社交媒体的一些链接 啊，顶上还有菜单，比如说我们点关羽，他就会跳到关羽，技能就到技能，服务到服务，演出到演出，联系到联系。 那么如果你是一个艺术家，我觉得这个单页的网页已经完全能够把你作为一个艺术家能够推出了，这种网站 可以在几分钟之内让这个智能体变成智能体，替你做好。你只要申请一个 vps， 把它上传，然后备一下案，申请一些这个网站名称就好了啊，我觉得他的审美还是挺在线的。而且小米的米某 v 二点五 pro 这个大模型啊，它是有 一照的上下文，我觉得我用了这一个多月，我觉得是半个多月啊，觉得非常不错啊，这个小米的这个模型好，希望大家都用起来，谢谢。
140Leon的Cyber
02:28查看AI文稿AI文稿我觉得很多人学 cloud 走了弯路，不是因为贪婪，而是呢，顺序搞反了。正确的顺序是先把它用起来，再把它配好，最后让它自动跑。 所以第一阶段呢，是去认识它，你不要一上来就去研究什么高阶玩法。你先去完成最简单的三件事情，注册账号，用 sony 淘几个真实任务，体验一下它和搜索引擎到底有什么本质的区别。 cloud 不是 去回答问题的工具，它呢是在交付结果，这个认知转变越早建立越好。 ok， 模型选择呢，也可以在这个阶段去确定，你看你小活可以用 haiku 这个模型，日常呢用 sonit， 难题呢用 opus， 别一把去说它用最贵的。第二阶段呢，就是你要去学会提需求了，这个也是最容易被跳过的，也最影响体验的一步。 cloud 的 感觉没用百分之九十的原因还是在你的提示词，不是在模型本身。那核心方法呢，是三段式的提示词，背景就是你是谁，你在做什么，目标是什么？ 任务呢？就是你要他做什么，越具体越好。规则呢，就是格式、语气、字数、结构，告诉他怎么去交付。写完三段以后，输出的质量会立刻从能看变成能用， 你这一步做扎实呢，后面所有的阶段都会更省力。第三阶段呢，就是配置你的工作环境。这一阶段的目标就是把 cloud 从孤立的聊天框变成一个生产力系统的一部分。核心有三个功能，第一个 projects， 这是体验质变的一个关键。把背景资料和规则一次性的放进去， 后续在同一个项目里面去开对话，它就自动地读懂你的上下文，不需要每次的重新解释。 style 呢，让输出风格统一，不用每次在提示词里面去重复格式。要求 connectors 呢，把 cloud 接入了 google drive， gmail 等工具啊，它才能真正地参与到你的工作流，而不是一个独立存在。 另外要养成一个习惯，对话变长就压缩上下文，并且开新的对话去继续越聊越乱。不是 cloud 变笨，是信息噪音把它给淹没了。 第四阶段呢，就是进阶自动化，当你发现你自己在重复的一直在做同一件事情的时候，就是进入这一层的时机。 skills， 把高频的提示词做成一键调用的工作流。 call work， 把整个重复的流程交给 cloud， 在 后台自动的执行。 cloud code 是 写代码的人用了就回不去的体验。 you search mode， 适合需要待引用的深度研究报告，这一层不用急着全部上手，按需引入就可以。 所以 cloud 的 正确用法不是去问问题，而是教任务学学顺序也是一样，先跑起来，然后呢，学会去下任务，然后配好环境，然后自动化的去重复，去替代你现在的工作。
872清华姜学长
01:46查看AI文稿AI文稿简单三步，用上 cloud 桌面端，并接入最新的 deep sec v 四 pro 模型。桌面端操作简洁，还不用担心网页端载高、响应慢以及账号封禁。接入 deep sec 最新大模型的优势是中文表现好，成本相对低，适合写文案、写代码和做内容分析。接下来跟着我的步骤走三步就能用上。 第一步，下载安装 cloud 桌面端，进入 cloud code 官方网站，根据自己的电脑系统选择 mac 或 windows 版本下载安装。 安装完成后直接打开 cloud desktop。 第二步，更改 cloud 桌面端设置，打开 cloud desktop， 在 顶部菜单栏依次选择 help， 帮助 troubleshooting 故障排除。 enable developer mode 启用开发者模式， 开启后，软件会自动重启。重启完成后，顶部菜单栏会出现一个新的选项，点击 developer 开发者 configure third party inference， 这时会弹出第三方 a p i 配置面板，然后进入 debug 平台，配置 a p i key。 没有账号的先注册账号， 然后点击控制台令牌管理，添加令牌，创建 api key 并复制保存。回到 cloud desktop 的 三方 api 配置面板，把刚才复制的 api key 填进去，选择 xapkey， 填入平台上支持 antropic 协议的模型 id， 例如选择或填写 deepsafe v 四 pro 模型，然后保存配置。 配置完成后重启 cloud 桌面端，重启后可以直接测试，比如输入调用 deep sec v 四 pro， 帮我写一段视频脚本，如果能正常返回内容，就说明接入成功。大家也可以像我一样询问是什么模型来测试。注意，如果你切换了 v 四模型， 但它还是会回答自己是 opus 四点七，不必担心，因为这是软件内置的提示词。如果实在不放心，也可以在平台的使用网址里查询实际的使用模型以及自己的用量。
240狠活AI科技
00:46查看AI文稿AI文稿cloud for windows 桌面版界面并不支持中文语言，但是在 get up 上发现了一个提供汉化的开源项目， 可以看到这个项目是几天前才创建的，还比较新鲜。项目中带了完整的说明，有自动的 windows p 处理， 也有 power shell 脚本，可以自动检测你安装的 cloud for windows 桌面板并执行汉化，整个过程方便快捷，有需要的小伙伴不容错过。 安装成功之后，重启 cloud for windows 桌面板语言选项，里面就多出了中文，不要犹豫，赶紧安装试试吧。
64螃蟹最爱横着走
00:56查看AI文稿AI文稿安次超伟悄悄上线了一套可 loft 官方学习教程，一共十七门课程，全部免费。白嫖这东西放在外面包装一下就是一套大几千原则。可 loft 训练营现在零成本学，而且学完还能拿官方证书。他不是简单教你几个题， 而是直接把可 loft 从小白入门到高阶工作流，再到 web 扣顶，全部拆成了一套在工作中能照着学的视频教程。如果你是纯小白，直接先看可 loft 幺零幺，他会手把手教你怎么跟可 loft 对 话，怎么 精准提需求，怎么让 ai 真正听懂你想要什么。如果你是产品运营内容创作者，就重点看工作流相关课程，他直接教你怎么把 cloud 嵌入真实工作里，用它处理资料、拆任务、做分析、写方案，把 ai 变成真正的生产力工具。如果你还会写代码，那后面的 cloud code 记 本就是硬核必修课。从用 ai 写代码、调 bug， 到搭建 m c p， 再到自己开发 ai 应用，官方都给你整理好了完整的实操路径。同时呢，还有专门面向老师、学生、各种岗位和行业的专属 ai 定制教程，学完后你基本就能成为一个可唠的使用高手。我已经把这些核心内容整理成了中文文字版，需要的同学举个手。
498霖贝塔AI日记
02:29查看AI文稿AI文稿今天这期视频用最高效的方式教你如何在 cloud 桌面端中调用 deepstack v 四系列 demo v 二点五系列这种性价比极高的国产大模型。首先我们打开 cloud 桌面端软件，在 help troubleshooting 这里有一个 enable developer mode， 就是 开启开发者模式， 点击 enable cloud 的 桌面端会重启，重启之后我们点击菜单栏的 develop， 这里有一个 configure party inference， 选择 gateway 模式，在这里需要输入 gateway base url。 这个 base url 大家应该不陌生，我之前教学如何在 cloud code 中接入第三方模型的视频里 多次提及这个 base url， 它本质上就是各家大模型厂商都可以按照 ansrv 公司提供的标准设置自己的 base url， 这样就能在 ansrv 公司的产品里面 使用第三方的大模型。下方这个 api key 呢，就是我们需要去你想用的第三方大模型厂商那里开通的，比如 deepseek、 mimo v 二点五 pro deepseek 如何获取 basic url 和 api key？ 之前的视频教程里也有，我这里以 mimo v 二点五 pro 距离 我们在小米 mimo 的 控制台里创建 api key 啊，我这里开通的是 pro 的 月度套餐啊，其实是 mimo 的 百万亿 token 计划赠送的，如何通过这个计划领取？之前的视频教程也有介绍，在这里创建 api key key， 填到 getaway api key 里面。至于这个 base url， 我 们可以看到控制台也写明了，你要选择的是兼容 astonopy 接口协议的这一行， 复制之后在 cloud 桌面端里面粘贴，之后在 model 类似的这里添加一行，把 model id 写成订阅的这个 api key 能调用的 model id， 注意这里模型的名称一定要按照第三方大模型厂商的文档里写的标准来，比如说有一些是必须要求小写。 如果这个模型支持百万上下文，也可以打开这个 offer one m context variant， 最后点击 apply locally 就是 应用需要重启 cloud 桌面端，可以看到这里模型已经切换成功了，我们选择这个 mimo v 二点五 pro 百万上下文。到这一步还不算完，我们怎么把模型提供商从第三方改为 ansible 官方订阅呢？在主界面点击左下角的这个 takeaway， 点击 signout 退出， cloud 的 桌面端会重启。重启之后你就可以看到两种登录方式，一种就是我们刚刚自己设置的第三方提供商，另一种就是 signing to asterisk。 如果你订阅了 cloud 的 官方的套餐，我们就可以使用 cloud 的 账号来登录。 我们看到已经切换成了 cloud 的 官方的订阅。 deepsea 微四系列的缓存命中率非常可怕，占到了百分之九十以上，再加上 deepsea 现在缓存命中的 a p i 调用成本打了一折，这使得它的调用成本几乎达到了 g p t 五点五， oppo 的 四点七的八十分之一。
13王行知
05:32查看AI文稿AI文稿四月三号， cloud 官方宣布 computer use 可以 在 windows 系统上使用了。不得不说，最近 cloud 在 computer use 的 功能发布上真是频繁啊， 先是三月二十四号发布了 computer use 功能，然后呢，前两天又说 c l i 也能使用该能力了，那今天呢，又支持了 windows 的 系统， 那我们今天就用大白话来带你搞明白 cloud computer use 到底是什么，怎么用，能解决什么问题啊？不废话，我们直接上干货。 先说结论， cloud computer use 就是 让 ai 直接控制你的电脑，那以前 ai 只能在聊天框里说你可以这样做，那样做，那现在呢，它是真的能动手帮你解决问题了。 打开软件，点鼠标，填表格，整理文件，他就像一个真的人坐在你电脑面前帮你干活一样，他能看到你的屏幕，能操作鼠标键盘，能打开你的 excel 表格，你的浏览器 note 等等，这样的软件都可以。 而且最牛的是它有个叫 dispatch 的 功能，那也就是说你人在地铁上，你掏出手机给 cloud 发条消息，帮我把昨天的会议录音转成文字发到我的邮箱，那么家里的电脑就可以自动的帮你干完，你回家直接看结果就可以了。 那你可能会问了，他到底是怎么做到的呢？用更高效的方式，比如说如果你有 google 套件或者是 loxton 这样的集成软件的话，那么他直接调用 api 是 最快的。 那如果说有些呃任务是网页能够搞定的，那么打开 chrome 它就能操作了，那必须用桌面软件的话，那才启动 computer use 直接控制你的电脑，所以它不是一上来就占领你的屏幕，而是说按情况使用它也不是随时随刻都在截屏录屏。 好了，说完原理，我们来看看怎么用。那你需要准备三样东西，第一就是一台 mac 或者是 windows 的 电脑，呃，对， windows 它现在终于支持了。第二就是你需要开通 cloud pro 或者是 max 的 会员。 第三就是你需要下载最新版的 cloud 的 桌面应用，然后设置非常简单，真的只需要五分钟。第一步，打开 cloud 桌面的应用，然后点设置，找到 computer use 的 开关。 第二步，系统会弹窗，要两个权限，就是辅助功能的权限和屏幕录制的权限，你全部点允许就行。第三步，打开 cloud co work 或者是 cloud co 的， 然后你输入任务，比如帮我把桌面上的图片按照日期整理到文件夹里，然后 cloud 就 开始干活了， 就这么简单，比起其他类似的工具，那它配置确实简单太多了，那它到底能帮你干什么呢？我举三个最实用的场景。第一个场景，数据整理里有一堆 excel 表格，要处理的话，什么删除重复项啊，做图标啊，导出 pdf 啊， 那么以前你得自己点鼠标去点半天，那现在的话告诉 cloud 了，一句话，它自动就帮你搞定了，你该干嘛干嘛去。 第二个场景，自动化测试，比如你开发了一个 app， 需要模拟人的点击操作进行测试，那么 cloud 可以 按照你的指令一步一步的操作，帮你完成整个测试流程。 第三个场景就是远程控制，这也是我最喜欢的。比如说你在地铁上突然想起要处理某个文件，你掏出手机给科老的发条消息，那么家里的电脑你是需要保持开机联网的，他就会自动帮你干完活，那他的结果就会直接发回手机，你回家直接看结果就行了。 那讲到这里的话，肯定有人会问，这些功能 open cloud 也能做呀？它们到底有什么区别？那我简单说几个关键的区别。第一就是应用性， cloud computer use 它开箱即用，装完就能用。那 open cloud 的 话，它需要自己安装部署，它的门槛比较高。 第二就是远程控制， cloud， 它是用手机 app dispatch 的 功能，它超方便。然后 opencloud 呢？它是需要通过 telegram， whatsapp 或者飞书这些聊天软件进行控制， 它支持的聊天软件会更多。那第三，它的适合场景，我个人认为 cloud 它会适合日常临时性的任务快速上手。那 opencloud 呢？它是适合长期重复性的任务，二十四小时后台运行。第四就是价格， cloud 它是需要订阅的，至少的话你需要花二十美元一个月起步。 那 openclaw 的 话，它是开源免费，但是调用模型是需要收费的。所以我的建议是，如果你是个小白，追求简单，那你可以选 cloud 的 computer use。 那 如果你是一个技术宅，你想深度的定制，那你可以选 openclaw。 好 了，那我们今天就说到这，简单总结一下 cloud computer use， 它到底是什么？它是让 ai 直接控制你的电脑，它怎么用呢？你下载应用，开权限，输入任务，五分钟就搞定了，它能干什么呢？它能干数据整理、自动化测试、远程控制等等重复性的劳动。 那它和 opencloud 的 区别是？ cloud 它简单好用， opencloud 它灵活可定制。那好了，视频就录到这里，如果你觉得有用的话，记得点赞关注我们，下期见！关注点赞收藏，助力 ai 之路。
08:02查看AI文稿AI文稿给大家介绍一下 cloud code 常用的命令速查手册，因为我们在使用 cloud code 呃命令行交互的时候，其实有很多命令是很重要，且对于我们上下文管理和一些记忆的管理是非常重要的。今天挑一些重点来给大家介绍一下，每条命令都会 包含它的功能说明、深度解析，实战场景和高阶技巧。我们先从绘画和上下文管理来看，其实最常用的就是 kleiman， 这里面我就不 呃这个我就不直接演示了，因为这个非常简单。克利亚其实就是清空当前的对话，相当于重开对话嘛。然后呃他的深度解析这边大家也有，就是他的上下文是有限的，然后每次工具对话，提取文件，工具执行的结果都会占用上下文嘛。所以说，呃，我们需要及时的清理上下文，来保证我们的关键任务的主线嘛。但呃他什么情况下会用呢？就是上下文超过百分之七十的时候， 我们就可以会用，因为这时候 cologlio 就 会有犯糊涂了嘛，它的回答质量就会下降，这时候它就会忘记前面的指令，就会出现关键信息遗漏的东西。然后它和 compad 的 区别就是 compad 可以 精炼总结，保留关键信息，但 kleia 是 全部丢弃。 如果我们需要项目的上下文的话，就需要用 compad。 然后高阶技巧这边也有，就是建立一个全局的 cologlio， md 就是 把我们常用的偏好写进去，即使 cologlio 之后， 然后 color code 也能加载我们的平衡，这个我就不直接演示了。然后 compad 也是一样的东西啊，然后上面介绍过了，它就是压缩上下文嘛，然后这里面有个点注意的话，它会告诉我们手动压缩其实是更好的。然后上下文超过百分之五十五到六十的时候，就应该去我们去主动压缩了，因为这时候它的呃 color code 就 会肥肤变慢，开始旺盛。 对，然后高级技巧的话，其实也是写在这个 cloud md 里面，我给大家演示一下，就是这样，其实我们呃 compad 在 后面其实是可以看到这边是可以写一些东西的，比如我给他写保留 核心关键信息，这样的话，其实就比如我们直接 canpad 对 它有一些指示嘛，这样的可能它就会帮我们保留 canpad 的 同时帮我们保留核心的关键信息，然后这是 canpad 的 作用。然后下面就是 resume， resume 就是 恢复对话嘛，就是我们呃比起重开一个绘画，它可以直接省去大量重建建立上下文的头壳和时间嘛， 恢复是直直接可以复用的，这个也不说了。然后 branch 的 话，这个呃它的功能啊，深度解析工具，上下文什么情况下用这边都会，效率分析 这边都会。比如它新分支就是相当于继承原有对话的历史，然后文件提取工具执行结果，然后两个分支是独立发展的，新分支可以尝试 a 呃 b 方案，然后主分支可以尝试 a 方案，如果我们的分支上市了，方案 a 还不错的话，虽然它不在主分支的上下文，但可以用文字来传递关键的发现，这个编程我就不说了，然后 context 是 非常关键的， 其实可以实时展示我们的上下文的使用情况，包括其实上下文是可拉库的最稀缺的资源嘛。然后我们通过这个命令可以看到我们的上下文的完整的分布，这个可以给大家演示一下，这个就不让他去做了。然后我这边就直接呃 context， 我 觉得这个命令，这个命令其实用起来是非常关键和有用的。你看它这边其实就是可以看到我们我们的系统提示词是多少，我们的系统工具呃 占用了多少？然后 mcp tools 占用了多少？下面还会有每个 mcp tools 的 skill 占用了多少？下面还会有每个 mcp 的 它的具体的使用的数量。这边每个 mcp 具体使用多少？包括我们的记忆 memory files 它使用了多少，它的 md 文档使用了多少？然后 skills， 每个 skills 它使用了什么东西？ 对，还有 make plugging， 每个插件用了什么东西，其实这个东西都可以帮我们很明确的看到我们的上下文的使用的呃地方和具体的东西，当然它高级技巧可以开启常驻状态栏，使用我们的上下文的余量。呃，就是我们之前提到的 status line， 哎，这次不知道为什么没生效。然后 就是 status line， 另外的话就是 cost， cost 其实就是可以看到我们大模型它的具体的对话花了多少钱嘛？但是这个是需要接本地外接 cloud code 的 本地模型的时候才会有的。 这个我就不演示了，因为我之前是用火，是用 c c， 呃， switch 是 用火山引擎来配置这个底下的 csline 的， 但现在我因为我那个这个火山引擎到期了，所以我目前用的是，呃呃， deepsea 四点零，然后这个就需要重新配置，然后我们来看一下 cost， cost 的 话就可以看到我们这个总共花费了多少。然后啊 api 持续的时间呀？比如我们当前使用的模型是什么？它输入输入了多少，输出了多少，读了多少缓存，然后读写了多少缓存，这个都可以看到。然后通过这个还可以看到我们的 config， 就是 配置嘛，然后 status， 当前我们的绘画名称，绘画 id， 包括我们使用的这个 u i l 包，我们的模型是什么？ m c p 有 多少，然后这个东西都可以看到，还可以看到 status， status 就是 我们这个具体 具体使用了这个任务数呀，最我们的偏好就是我们的最爱的模型是什么，我们的个人偏好是什么，这个都可以看到。然后另外就是 model， model 就是 可以切换模型嘛，这个不也是，这个很很简单。另外 effort 就是 我们可以选择它的思考深度嘛，推理的努力程度。 config 就 刚刚说过了，就是你输入 输入 config 的 时候，这边就可以配置是自动压缩，它是不是展示我们的建议，然后呃它的思考是否采用这个模式，我们可以关闭，然后它的，呃， 包括它的生活领域输出，我们这边肯定是 force， 然后它的 teleprompter 啊，然后还有一些，呃，这些都会展示的。然后主题的话其实就是主题配色，我可以切换它的主题配色，这边可以看一下，你看我就可以选择。比如我选择这个亮的模式，它这边就会展示白色嘛，然后可以选，也可以选择黄色、 dark 模式、 dark s、 c、 l 这个都是可以切换的。然后呃你可以改状态颜色，你可以用 color， 如果选择 color 就是 这个就是青紫色嘛，它这边就会变成这个 color， 它应该是可以设置 看这边就会有很多的颜色，我们就可以选，比如选 red， 它这边就会设置成红色，这个都比较简单的。然后 fast 这个就不说了。另外的话一 呃 innit 和这个 memory 我 觉得非常关键。 innit 就是 我们在开始一个文件夹之前，需要让它扫描我们当前的项目，然后它就会生成我们的 cloud md 文档，它它如果有的话它就会在之前改，如果没有的话它就会新建，因为 呃他没有 colldmd 文件就相当于没有锁影了，有了 colldmd 他的他就知道项目是干什么的，文件在哪？效率提供提升在哪，然后他引领他生成的是初稿。他之后如果我们去去编辑这个 colldmd， 可以 补充更多的细节，把我们踩过的坑啊，编码规范和技术选音都写进去，这个非常关键。然后另外就是 memory memory 我 觉得是最重要的，就是我们上下文记忆，比如我们看一下 memory， 它功能就是其实它是可以手动编辑我们的 cloud md 文档，但是也可以开启我们的自动记忆啊，就是我可以演示一下，你看这边的话，如果我们点击我们 user memory 和这个 project memory， 它就把我们的文档给打开，这就是我们的文档，我们可以直接编辑的，然后我们就可以直接编辑我们的个人片号，还有什么东西，但是我们可以选择呃底下这个， 这个 open out memory folder， 它就会自动去记忆我们这个东西，哦，对， 它就会记忆这个东西，然后呃，我们再看这个 m c p a 介词，这，这个大家都会给自己去看的。然后子 a 键它有独立的上下文啊，不会污染主 a 键的这些上下文啊，这个其实都是常识， 这里面都很简单。然后 skills， 包括我们列出来这些东西，这些东西都很重要，都很简单，然后包括这个 simple five， 这里面，呃 b t w 就是 旁路提问嘛，它是相当于不会写进我们的主绘画上下文的，这边都介绍得非常清楚。 对，然后下面还有一些，比如我们的权限跳过啊，就是我们在启动 cloud code 的 时候把这个命令给它写，写上去啊，然后它就会，呃，相当于它有对我们的充分的完全信任的场景，它就会去做。 然后还有一些快捷键，这里面，呃相当于，比如仅用文件，用 app， 然后按 tab 自动补全文件名啊，精准提取应用审核文，对，切换权限啊，这种 play 这种三种模式，然后包括这个都非常简单， 我就不过多的介绍了。对，然后这个文档如果大家需要的话，可以进我的那个群里面，微信群里面，因为在评论区发它会被吞。
39马斯洛AI智能体
32:20查看AI文稿AI文稿大家好，今天我非常兴奋能来介绍 deep c q 模型的发布。在接下来的三十分钟里，我们将讨论我是如何使用这个模型的，如何让它跑起来我对它的看法，并且在整个讨论过程中，我们实际上会一直使用它， 而且我一直对这件事充满期待。我已经连续三天不间断的使用这个模型，既通过他们的 api 也本地运行。 我在云桌面应用中让它跑通了它便宜的惊人。是的，我要给你们看看我说的是什么意思，因为我惊讶于这么少的钱就能获得如此多的用量。 现在在那之前，让我们先看看模型卡片，因为这是一个非常独特的发布。他们的 flash 版本是我在本地运行的，拥有两千八百四十亿参数啊。他们的完整规模模型是一点六万亿参数，这也是目前可用的最大开源权重模型， 所以两者都拥有一百万 token 的 上下文长度。并且在处理这一百万个 token 时， deep sea v 四 flash 模型都非常高效，所以它是两千八百四十亿参数。 基于其亲系数，你本应训练它，所以是两百八十四。我们把它四舍五入到三百吧。你本应使用大约六万亿个标记对其进行训练。 它们使用的训练数据量是那个数字的四倍，甚至可能更多。这真的令人兴奋，这意味着该模型蕴涵了海量的信息，包括世界知识和编程知识等等。 我们可以在此看到，对于 deep s e q d 四 flash， 这也是我最期待的一款模型，它的表现几乎超越了所有与基体量相近的其他模型。 所以你可以在这里看到 m m l u pro 上的表现。这是一个用于评估模型推理能力和世界知识的精准测试。而且你可以看到那个最大值，也就是专业版或者更大的模型是八十七点五， flash 版本是八十六点二十， kimi k 二点六是八十七， glm 五点一是八十六，所以甚至低于 flash 版。它比 gpt 五点四模型低了大约三个点。 在 hle 中得分分别为三十七和三十四，所以 flash 版本的得分是三十四，这就是它的得分。那基本上可能比 opus 四点六 max 差了大约百分之十五。 它击败了去年除四点六外的所有 o p s 模型。在使用叉不了半至二点零时，这对我的重要性不言而喻。我经常用它进行测试，我觉得它在实际应用这些模型方面最为真实。 flash 版本的分数是五十六点五，五十六点九。是的，这比搭载图层的 g p t 或 gemini 三点一大约差了百分之十五。 它们势均力敌。我亲自试过。这并非靠机准测试决定的。它在带工具的编码方面确实很出色。这些模型变得更强大，而模型的实际体积也更小。所以再说一次，它是两百八十 gb 或者十亿参数。 它是 f p 八，所以这意味着它有两百八十级字节。如果你将其量化到斯比特，你会得到大约一百七十 g b。 这可以在三零九零 s 或者 macm 三 ultra 上运行，甚至可能是 macm 四 max 之类的设备。 这个模型的规模对于入门级专业应用来说其实非常出色。 过去我们有过像 q n 三点六或三点五这样的小而密集的模型，但它们非常慢， 而这正是它的一个大问题。所以我在框架桌面上尝试过 q n 三点六大概每秒能生成七个 token。 我相信我能让它更高，但也高不了多少。这个模型在 framework 上跑到了每秒大约二十个 token， 这相当便宜。有一位做 influencer labs 的 博主，我不记得它的名字了，但它用的是 m ultra 或者 m 三 ultra， 而且当时八位或九位版本每秒大约生成二十五个 token。 这对 mac 来说真的很棒。因此，这将成为人工智能经济中一个极具革性的时刻。 原因只有一个，所以我认为我在周六购买了价值一百美元的 a p i。 用量两天内，我使用了一点三亿个 token， 全是那个 a p i， 而且我花了四美元。 如果我们取这个平均值，并与 gpt 五点五或 opus 四点七之类进行比较，这将大约是五十到八十多美元。具体取决于读写比例。 这个模型倾向于大量获取数据，这非常有用，因为它往往更准确，而且做的事情更少。所以它只是获取一堆联系人。执行几个工具调用，获取大量联系人。我喜欢这种行为。我也注意到它经常反复核对自己的工作。 我的意思是，模型会执行一些操作，而我们可以趁它等待时尝试启动几个任务。我稍等一下，用个幽灵模式。 抱歉，延迟了。现在让我们把 ghosty 和全屏 cd cd 切换到深海模式。在 flash 之前，我们可以清理掉这个，并清运行 p i。 我 正在打开屏幕。好的，谢谢你的耐心。所以这就是那个模型。我在三十八万上下文的规模下运行， 所以这是原始时钟模型的两倍大小，对吧？我们大多数人都在它们达到二十万时就开始使用了。所以在这个模型里，我能装下两个与 cloud 的 压缩包。每秒生成的 token 峰值为九十二，预填充部分则达到四千千分零。 如果命中缓存，大约是两千零，如果没命中缓存，九十二，会降到大约五十，最慢也就是四十。这是在三十万上下文的范围内，当上下文窗口达到三十万个 token 时，速度就会降至五十左右。 呃，我要把它设置在这个云桌面应用里了。你可以看到这里的 flash 和 pro。 我 可以像这样说点什么， 审查 pr， 在 不破坏功能的前提下减少代码行数。 下一个，这就是法式。所以这是在本人设备上运行的那个。我们还谈到了相关的物流示意，所以让我们打开状态页面，你可以在这里看到所有细节。 对于大约八个病发用户，他需要约三百五十五级字节的空间，具体取决于上下文的大小以及所有相关细节。但我能同时容纳大约八个用户，总计每秒约四百个令牌。但我通常同时使用大约三个绘画， 我会让他们在绘画之间暂停一下，所以他会在一个地方做这件事，在另一个地方做那件事。嗯，就是出于各种原因，都很实用。所以，嗨，咱们先打个招呼，看看他能不能行。所以就是这样，你可以看到模型基本上是在及时响应。呃，我会尽量让他开着。 抱歉，让你头晕目眩的。呃，我们让他给我们造个游戏吧。呃，我想让你帮我建一个，或者我要用语音了，免得在你面前叮当响。 我要你为我构建一个三 d 游戏。用户可以第一人称视角操控角色，能够放置方块基本玩法就像我的世界那样建造。 让它采用体速风格，确保所有按键都已正确映射。我需要能够流畅移动，没有任何问题。 我更希望你亲自用 agent， browser 之类的工具测试一下。穿过启动界面，确保你能控制实际角色进行移动。 如果你想为自己制定计划，那就去做并着手工作吧。用你需要的任何东西把它构建出来。只要能在浏览器中运行并正常工作，你想装什么都行。 所以我就把这个发出去。你可以看到它又立刻做出了响应。它正在浏览器中构建一个类似我的世界的三 d 提速游戏。它将构建一个单一的 html 文件，使用从 c， d， n 加载的三 g， s 进行三 d 炫耀。你可以看到它开始工作了， 他正在思考，他正在编写代码。当我们切换到这边时，他现在的运行速度是每秒四十七点七个令牌。所以他会根据许多不同的因素上下波动。其实并不值得追踪，但平均来说大约是每秒六十个 token。 是啊，现在达到了每秒六十九点九 token 取决于多 token 预测功能是否正常运作。有一大堆东西，所以他会开始思考，然后编辑大量代码。你可以在这里看到他目前只用了大约三千八百个 token， 但他会继续工作。 同时，我们将来看看这里的专业版，你可以看到它在 cloud 桌面应用中正在工作，所以这个会调用我的 d p a p i。 好的，他还在继续工作。让我们来看看这篇帖子。你可以在这里看到他，我会尽量把他链接到 youtube 视频中，但这展示了如何设置云桌面，云端写作，以及使用 deep seek 进行代码开发。你可以直接在工具中使用该模型， 开箱即用。真的很好。到了这一步，它基本上免费了。你可以看到实际支付金额是两美分，无需额外现金支出，每百万 token 仅需三十美分。而相比之下， g p t 目前约为每百万 token 五美元。你可以看到这便宜了大约十倍。它便宜十倍的原因在于它们采用了专属的注意力机制。它们有自己的团队，整个员工阵容都是专门为它们的模型优化的。 与其他提供商相比，他们在效率概念上下了很大功夫。我觉得这反映的非常好。现在为什么这如此重要？昨天发布了一篇文章， 我会试着去找那个。我们看看。它是由一位名叫马修的视频博主发布的。 tedern。 你去看，他是被一位名叫马秀博邦的博主发布的。他制作了大量关于自托管硬件以及采访大公司的视频。我觉得他人很不错，还做周读新闻节目。 我认为它对经济方面的见解非常精准，比如浙江。对围绕人工智能的经济产生何种影响？因为现在如果你想想 antropig 最主要的客户是谁？通常是那些拥有数百名员工的公司和企业， 他们给员工提供 cloud max 或 cloud 团队版订阅并追踪每个人的使用情况。即便涉及订阅等各种费用，其成本也会非常高。 这是一回事。另一件事是，尽管他们声称不出售您的数据或将其用于训练模型等等，即便他们没这么说，作为企业也无法保证这一点。 所以，作为企业主，如果你拥有一家大型公司，并负责保护用户的文件、个人身份信息，以及其他所有高度敏感的内容，你就无法保证 astropik 不 会以某种你不喜欢的方式使用你的数据。 gpt 或 gemini 也同样如此。 我不是专门针对 antropic， 而且我也不是说他们在使用那些声称不会使用的数据，我只想把这个说的超级清楚，但这得让他们在心里算一笔账，比如产品的总成本，毕竟他们是企业必须优化支出， 他们的效率并非完美。但在某种程度上，企业需要考虑，如果拥有八千名员工，其中一半人都在使用 cloud code， 那 么合同会是什么样子？ 多少年了，正常运行时间和所有其他情况如何？他们能控制进出多少数据？他们能对该模型设置多少护栏？所有这些都很复杂，需要大量思考，而你或我作为开发人员，或者像普通员工这样的人群，都不必操心这些。 所以现在想象一下，如果有人走过来对这家企业说，与其花三十万美元为整个团队购买 clod 的 团队订阅，不管你们有多少百人还是千人的 规模，不如直接用这笔钱去买十六张 rtx， 四零九零或者 h 两百，甚至只要买几台公司能负担得起的设备怎么样？ 你可以找人优化它们，你把它们安置在你办公室的一个房间里，在你的服务器机房里，或者不管什么地方，甚至是一个较小的模型，对吧？不过，稍后我们会谈谈 deepseek， 说说我为何认为它很重要。 他们走到你面前，说，这个给你，它是你的了。它是开源的，免费使用许可证也是免费的，你可以很容易的控制它。它体积小，速度极快，拥有巨大的上下文窗口，而且每个 token 的 效率非常高。 这意味着过去那些不得不绑定特定供应商的美国企业，现在实际上可以探索购买一种似乎正在增值并吸引投资者增加投入的资产。 每当一家公司宣称他们现在拥有 gpu， 并将销售某种服务为其公司员工运行、推理并消耗大量 token 时，这有助于他们筹集资金。 这有助于他们获得投资者以及各类资源。因此，背后的趋势是，我们拥有自己的人工智能。我们拥有自己的 gpu 集群。我们的业务正在追踪我们使用了多少 token。 我 们使用的模型没有任何护栏，我们可以在自己的任务上微调它。我们可以边走边改。实际总投资可能比让几千名员工采用订阅模式更小。 这现在已成为一件人们必须开始认真思考的真实事情。呃，当我们回看实际模型时，先忘掉专业版吧。 我们把它放一边来。想想这个 flash， 因此要在完整上下文中全精度运行 flash， 所需最低资金约为一千两千美元。在全量上下文全精度下，比如 f p 十六， 你需要大约一千两千美元，也许更少。如果你用 mac ultra 或者两台 macbook 之类的设备，或许能用更低的价格获得不错的性能。 但你是公司，你有足够的钱，而且推理用量也足以证明这笔支出的合理性， 所以是一万两千美元。假设你有三个人和你一起工作，每个人都在支付 cloud max 的 费用，那就是每月六百美元。显然，加上税费后，每月约为八百美元，所以每月大约八百美元。持续十八个月左右 是幺二零零美元，所以你现在有了十八个月的一千美元。你拥有显卡，他们通常能使用三到六年。你拥有一个蓄势，拥有一件你可以掌控并随时间修改的东西。这太棒了！ 这个模型很快我们可以回到游戏里，看看它有多深。你可以看到它仍在运行，所以它已经使用了大约百分之三点三，也就是三八零零。所以到目前为止已经用了大约一千五千到一万六千个 token。 大 部分是对的，所以你可以看到它已经写了大约十 k 个硬盘。 我们可以看到它是每秒六十三点五个 token。 所有 gpu 都在满负荷运行。记住，我对 gpu 进行了功耗限制，我做很多事情来确保功率维持在合理范围内， 所以我可能能把速度提升到两倍。但我用的是家用电路，所以没那么容易做到 现在。退一步说，为什么是这个模型，而不是 q 三点六二十七 b， 所以很多人都在谈论三点六二十七 b， 它有多好，在设计方面有多准确，而且它是个了不起的模型，就其表现而言，它堪称卓越。真的很好， 我会试着获取一个，请给我一个 a p m e 以及可用于推理测试模型的 ip 或 url， 或者让它创建一个体速版的 minecraft 游戏，然后把 html 带到这里，在我的 brave 浏览器里运行。但试着让模型去完成它，别亲自动手。 所以我就看看在我们完成框架桌面时，二十七 b 能不能跑完。恐怕不行，因为它实在太慢了， 所以这速度还不错。这大概花了跟 gpt 这类模型差不多的时间。你可以看到代码行数正在快速上升。回到正题，我知道我有点啰嗦了，但我们之前发布过像三点六二七 b 这样的模型。 这是一个非常适合小型聊天的模型，比如人们拥有 macbook 之类的设备，或者家里有服务器的时候。 这是一个优秀的模型，但他会更快。他只在英伟达上表现良好，而且只在新款英伟达芯片上，你懂的。好吧，三十九或更高，他将在这些设备上表现良好。 该模型具备视觉能力，但规模较小，所以更小意味着更慢，且世界知识更少。 现在，如果你是企业，你需要所使用的模型能够很好的覆盖从浏览器操作到各类不同任务的代理工作。你需要这些模型能比人做的更快，这超级重要。如果他比人还慢，那做他就毫无意义到了那个地步。你大可以直接雇个人 让我们看看，我们可以到这边来看看这个模型。我就想说说。有个博主测评过他， 我觉得他做了个相当不错的视频，我要静音一下，好让我们看看输出效果。 所以就像这样。好的，这就是浏览器操作系统。你可以看到游戏已经在浏览器里渲染出来了，所以这一切都发生在浏览器内。它是一个单独的 html 文件，它里面有一个能玩的游戏。我用一个叫 godot 的 东西测试过它，所以 godot 就 像个游戏引擎。 我真不太清楚它具体是怎么运作的。我只熟悉一件事，那就是你可以用它来构建游戏。我要展示一些视频，你可以在这里看到 它正在协助我有一个名为 py mono 的 代码库，我很欣赏，常用来教学它能实现智能体的循环逻辑。 它适用于 py agent harness 的。 你可以在左侧看到我正在运行 piacp 模型，正在运行并执行所有这些工具调用，检查 token 相关的功能是否正常工作，所以它表现非常出色。它能够输出，我能来回提问。它能持续工作数小时。 我已经尝试过它，我们稍后再聊这个。我还有一套私有基础测试，用来评估模型在我分配的任务类型上的表现。这是一个迷宫，所以它就像项目里有三十五个目录， 每个目录都包含一个加密文件和一些形式的谜题。你需要完成这些操作才能解密文件，获取密钥，从而打开下一个目录。 他答对了三十三道，共三十四题。他和 ox 四点七打平了，所以，呃，这是否意味着这个模型更好？不一定，但他能做到这一点的事实。与我尝试过的其他模型相比，即使是通过 api。 让我们来看看这里。 所以 mini max m 二点一达到了三十五题中的十七分，所以百分之五十的人看到那个四点五 g r m 五通过 api 是 三十一分儿 啊。 queen 三到三十五 b 是 三十二。所以这衡量的是模型行动有多审慎，有多一致，以及能有多少次保持在任务轨道上。 因为那是三十五个任务，大约是四十万 token。 呃，它至少得压缩一次。我想在这里展示另一个视频，所以这就是它真正开始解谜的地方。 所以你可以看到它正在执行解密并尝试寻找模式等等。它正以相对较快的速度运行。二是 k tokens rate， 所以 是百分之七点一。那总共大约是二千五千 token。 它在运作，它在按自己的节奏行事。结局是个惊喜。我还设置它来优化自身的速度。那么每秒能生成多少个 token 呢？ 在三天内，我从大约每秒二十个 token 提升到了三十九十，甚至更多。 它非常稳定，它能够驾驭我抛给他的各种工作流。我们稍后试试找另一个视频。我们有了这个， 你可以看到它正在处理三 d 地图和三 d 游戏。我希望很快就能完成，好让你们看看。 但我对这点非常满意。我认为它将成为未来两年的一个基础模型，因为它是在如此海量的数据上训练出来的。如果你是企业，购买 gpu 自托管该模型，然后在此基础上进行微调与强化学习， 逻辑上要合理的多。每家科技公司都将围绕这一趋势展开，并拥有强大的推动力。 你可以在这里看到右侧，它正在控制浏览器。我要把矢图移出屏幕了。它正在控制浏览器。它正在执行工具调用并修改链接。我没在控制屏幕。这是一个浏览器插件。我也打算在这里试着打开它。我们可以就此展开对话。 好的，我要你深入调研 flash 之前的 deep sea， 以及围绕其训练方式和为何采用 f p 四的所有细节。 所以文字有点小。也许我会尝试为大家调大尺寸。没关系，所以它正在按自己的节奏形式。这实际上正在实时控制我的浏览器。你可以看到。呃，这个光标就在这里，我就让它待着。 他正在自主探索，寻找链接，研究主题。不知道他会深入多少。哎呀，我犯了个错，他又退回去了。 这正是我非常喜欢的行为模式。我发现他非常一致。尝试某事失败后修正问题，然后反复检查工作。 如果没做对，他就会再试一次，换个方法。他非常执着，而且我很少在模型中看到这一点。我发现他们通常会向你求助。所以 cloud 具备这种持久性。我很欣赏这一点。 我们回去吧。你可以看到这里。它已经完成了三百行代码，七个文件的代码缩减。这太棒了。模型正在运行中。有两个请求，每秒六十二点五 token， 而且它还在生成中。已消耗三万五千个 token。 剩余三百二十个 token。 因为每次交互都会返回思维链等内容。 它已经完成了上下文的百分之十五或者百分之十四。让我们回到浏览器。 它仍在导航。我觉得它可能访问了错误的文档 d k 分 组。这可能有关联。 好的，所以他正在查找 f p 四训练。我有两个任务在运行，我大概能再跑一个。我们等待时试着再跑一个。 而且我们去上工作室吧。 这一次，我们来做个机器人吧，我要重新加载屏幕。 那我该怎么说这件事呢？因为我们之前有一些模型在本地已经接近这个水平了。其中之一又是奎恩。我们曾 extensively 讨论过。让我们去一个深作之前， 请为我描述这个仓库的情况，我们迁移的进度以及接下来的行动方向。 在它运行的同时，它仍在读取非常一致。我也要去检查这个标签页。它还在按部就班的运行。 看它仍维持在两个，所以开始变慢了，因为我在增加负荷。我不确定我在开始前是否限制了它，因为当时遇到了一些崩溃问题，但现在应该没问题了。如果我把它压垮了，我们马上就能看到。 是啊，它肯定过载了。是啊，它刚才崩溃了，所以我把它搞超载了啊。我正试着玩一下预测解码之类的东西，所以我觉得坚持用两个是极限。 再试一次加载模型吧。让我们看看。在 flash 之前，它正在启动， 我会关掉这个界面，但这需要几分钟时间。如果我把第二次的令牌数减少大约百分之二十，我可能还能再多容纳两个用户，也就是再增加百分之二十。 我总共能装八个，而且是的，我需要稍微增加一下它允许使用的内存量。但是每当我把它调的太大，最终可能会遇到显存不足的问题。 现在，正如你所见，这个 api 可以 即插即用，无论你希望在哪里使用它。它托管在 deepsea 服务器上。 所以，如果你不喜欢你的数据落入像中国或其他某些国家手中，那么有些人确实不这么认为。 我个人不觉得这是个问题。但如果你有顾虑，可以尝试租用 m i 三百 x， 所以 这里有一块你可以租用的 g p u 就是 我的 m i 三百 x。 你 可以从 h i o 以每小时二美元的价格获取。它应该是两百五十六 g b， 或者是一百九十二。我不太确定， 但你每小时花两到四美元就能租到一个两个试试。如果你每月付两百美元，那你大概每个月就花掉两百美元左右。 两百除以三十？我不确定，大概像一点五。对，两百除以三十啥也不是。 除以三十是六点六，所以你每天大约花六美元。嗯，这意味着我不知道你具体用人工智能多少，但如果是每月一美元的订阅费的话，那你每个月大概就花这么多钱， 而且这还不算税。所以我觉得不如直接投二十块进 deepsea p i 试试这个模型，看看它是否符合你的需求。 然后，如果确实如此，你甚至可以考虑购买硬件。在家运行类似的东西。你不必也不应感到必须这样做。但根据每月使用的投更量多少，有个备选方案总是好的。 有个备选方案挺好的。我使用的令牌量非常大，是它又在加载了我使用的 token 量非常大。所以对我来说，最好还是坚持购买硬件，并想办法在上面运行越来越多的模型。 这是一个很棒的发布。我知道在这个视频里我啰嗦了不少，但我希望大家能感受到我的兴奋。我认为这将成为未来两年企业和开发者都不可或缺的技术模型， 这大大降低了前沿的成本。你们可以看到我在这里遇到了麻烦，但这确实是在运行自有模型时总会遇到的问题。除非你坚持用像拉玛 c p p 这样的方案，否则总会遇到一些问题。即便如此，它在 l m studio 等方面仍存在问题。 那你可以在 m 四六上试试这个。你在机器上能获取的最小版本大约是九十 gb 左右，所以如果你有一百二十八 gb 或一百九十六 gb， 你 就可以在家用两到三比特运行它。 去 hugenface 查一下，它会告诉你怎么做。谢谢大家收听，希望这个视频对你有帮助。我觉得你绝对应该试试这个模型。这不仅仅是类型问题。下次再见。如果 deepsea 有 人在听，谢谢。
02:28查看AI文稿AI文稿大家好，最近 cloud 桌面客户端开放了一个新功能，不用登录也能直接用。不仅如此，我们可以把 deepsea mini max g r m 国产模型直接接入到 cloud 桌面原声客户端中，特别适合像没有账号或者账号被封闭。 首先我们把 cloud 的 桌面更新成最新版本，或者直接官网下载最新版本下载完成，我们打开 cloud 的 桌面客户端，它需要我们去登录，现在我们点击左上角的 help， 点击 troubleshooting enable development mode， 开启开发者模式，点开启，点击 developer， 选择 config part interface， 我 们来到 deepsea， 我 们选择 api 开放平台，选择 api key 创建 复制好我们的 apikey， 我 们在这里填入，然后我们填写一下 base 幺二，我们来找一下文档，点击接口文档 按 snap 和兼容的，我们复制这个。 我们往下滑模型列表，我们要来配置我们的模型， 像 deepsea， 现在是 deepsea v 四 flash pro， 我 们都给它配上， 再配置一个 deepsea v 四 pro。 好， 我们点击应用，重启一下 cloud。 好， 我们配置完了，我们在这里可以看到我们刚才配置的模型，我们来测试一下， 好，看到它已经返回了，现在用的是我们自己配置的一个模型，这样我们就可以不用登录，也可以使用一些国产的模型。好了，本期视频就分享到这里，大家可以去尝试使用一下 cloud desktop， 如果对你有帮助，欢迎大家转发给身边的朋友。
278下班学AI
