deepseekv4和got基本版
最近 deepsea v 四爆火，你是不是也懵了？ deepsea 那 么多系列，到底怎么选 deepsea 呢？主要分为四大系列，我用孙悟空来给大家打比方吧， v 系列是全能悟空，聊天写 作查资料，日常办事主义君。那 r 系列呢？就是火眼金睛，专攻 和复杂的推理，一步步会列出这个思考的过程，还有特长是很深，专写代码的扣带呀，还有能看图说话的微言啊等等。那重点来了，那最新这个上的这个 deepsea v 四分 pro 版和 flash 版为主选 flash 版输入的话是每版的托克一块钱，输出 也才两块，能力无限接近于这个 pro， 响应快又巨省钱。日常场景呢？然后清凉的 agent 闭眼入，那 pro 版呢？总参数是一点六万亿，解决超高难度的这个逻辑谜题和复杂编程， 输入的话是十二块钱，然后输出的话是二十四元，但仍然是这个海外主流价格的五十分。 追求极致，深度思考，然后才会选它。一句话建议呢，就是日常全能用这个 v 四的 flash 烧脑难题，你可以用 r 系列，特殊需求你就要特长生来，如果你还不知道自己该怎么选择适合大模型，那小蒜苗帮你选。 你也不知道这些好用的模型哪里能用，那就上紧致算大模型 a p i 聚合平台，各个系列的托克随便用，还有专门的这个算力去搭配，去，即开即用安排。
粉丝110获赞404
相关视频
04:30查看AI文稿AI文稿大家好啊，我是瑞克老张啊，那个五一期间接着给大家聊，因为事比较还挺有意思。昨天晚上呢，我们的那个开发团队给我们反馈啊，就说那个 dvd v 四 pro 特别好用，然后我们就在 callix 里边就接着进来了，接进来以后我也测了一下， 哎，我发现一个很有意思的问题，虽然说啊，他自己说，他跟那个，呃，就是包括我们说的，呃这几家，像那个，呃， 那个 cloud oplus 四点六啊，啊，包括啊，这拆 gpt 五点五啊，还差三到六个月。但是你知道这里面有一个很好玩的事啊，就是 dspic v 四 pro， 它的缓存命中率极高， 什么意思呢？就是大家要知道这个大模型的这个 api， 它分两种价格，一种缓存缓存命中，一种缓存没命中。 缓存命中的话，就意味着它之前跑过类似的这些东西，所以它有结果，有结果它可以拿下来改一改就给你用，那这样的话它价格非常低， 缓冲没命中呢，那就意味着要重新计算，那这个价格就非常高啊，这个要要知道。所以呢， deepsea 呢，我们查了一下，我们测了四个啊，就是我现在正在做的小东西，测了四个，呃，大概每一个的话呢，都都给我写了不到八百行的这个命令啊，基本上缓冲命中率呢都在百分之八十五以上， 这意味着什么呢？意味着我非常省钱，我们看看，我整个把这所有东西都跑完了，大概跑了不到一个亿的 token 啊，我花了多少呢？花了不到十二块钱，这个这个，这个性价比就非常高了啊，真的性价比非常高，它比那个 cloud 包括那什么的缓存命中率都高。 我们之前也用 kolld， 但 kolld 现在不给中国人用了嘛，是吧，那个我们就敢用，折磨你啊，这个但折磨你的缓存命中率非常低，低的让人发指啊。然后就是花钱花的比较多啊，这搞那么不到一个亿的，差不多一个亿的 token 吧，这折磨你得花到二十美金左右。但是 deepstack 的 话呢，基本上就十几块钱，十几块钱解决问题啊，十几块钱解决我们四个四五个问题，而且它那个 bug 吧，它自己找起来就很快，我们怀疑就是在 deepstack 的 从那个 n 卡，就是英伟达的卡迁移到生成的卡上做训练，这个过程中啊，他们另外的那些做啊，这个呃案例的部门并没有闲着，他们在不停地用各种的代码去测试，然后把这个代码各种的去修正，然后形成这样的缓存库， 所以现在的效果非常好。哎，我没有想象的效果的话，你们都可以去试一试，真的都可以试试这个 v 四 pro， 我 认为这恰恰很可能是它未来的一个最大的杀伤点，因为这样的话是所有人发现它的成本进一步降低。如果都用缓存，这个这个东西相当于呃这个 cloud 的 五十分之一的价格呀， 就如果都是缓存命中的话，它相当于 cloud 的 五分五十分之一的价格，非常夸张。那这个事的话呢，后续的东西很可能会引发。 是啊，包括美国这个开发者在内的一个一系列的海啸啊，它意味着大幅度的节省成本，效果还不错啊，这个事就就特别有意思了啊，所以它背后可能引发的是一个是 taco 出海，一个是酸碱锌铜，还有一个的话就是整个的在全球啊， 不管是开源还是闭源的啊，包括编程在内的这样的一个大模型使用的大范围的变化，它这个变化很可能是行业性的啊，是扩散段的，而且这个扩散现在看越来越快，越来越快， 所以呢，大家一定要关注这个趋势，这个趋势可能会引发整个产业链的变更的，这个变更的时间不会超过一个月。他后续的东西他不像上一次，上一次是立马就显示出来了，这次是在慢慢的显示出来，他显示出来的话，那他这个如果你提前不布局，你到那个时候你可能就晚了，那个时候的话机构大量入场，你就没有什么筹码， 需要的话赶紧先来看啊，真的赶紧先看好不好？如果需要的话，看看我们的这个季度会员科普课，我们准备在下个星期开始的五月份，我们会安场安排最少三次关于 deepsea 的 啊，这个深度的拆解，一次直播两次的这个复配的内容啊，如果需要真的好好看一下咱们的季度会员科普课啊， 九十天四十五个视频最多啊，四十五个视频最少，四十个视频八场专门的直播，非常的超值。而而且咱们的月卡呢，本身呢两百多块钱是吧？ 机卡的将近八百块，这是因为一个是老张给大家补贴，还有一个是平台虽然没有那么大的，那也给了几十块钱补贴，所以现在价格是六百多块钱，非常的超值啊，需要的真的好好看一下，而且呢内容的话呢，是非常的覆盖的全面，都是围绕大家所关心的这些话题展开的，毕竟的话我们还有很多专业团队在干这个事， 非常的超值，需要好好看一下啊。链接在底下点击即可啊。稍再说一句，一定要记得接助教老师电话，不然你不知道该怎么看课。好，今天就到这，我是瑞克老张，关注我，咱们投资的视角，看科技背后的精彩，我们下期见，拜拜。
374瑞克老张有话说
07:03查看AI文稿AI文稿hello， 各位观众朋友，大家好啊，我是刺儿，然后我们这期的视频内容呢，主要是来教大家一下怎么正确地使用 deepsea v 四， 因为 deepsea v 四对于现在的呃它的网络风评呢，嗯，比较两级分化。一边呢说 deepsea v 四啊，非常好用，非常强啊，没有辜负大家一年的等待另一半呢，说 deepsea v 四啊，不好用啊，不够智能，然后甚至不如豆包， 嗯，对于这个后者呢，我保持这个嗯，质疑态度啊，因为本身，呃，我看到的这收集到的信息就是说 deepsea v 四不行的，它有两部分，一部分是专业工作者啊，因为人家非常懂 ai， 那 另外一部分呢，就是我们普通的 呃用户，那他们呢，就是用手机 a p p 啊，下载 deepsea 微 deepsea 之后点进去，然后问他一些问题，然后，嗯，把它当做一个这个搜索引擎啊，问一些问题，然后我觉得它不够智能，其实这样的使用是错误的啊，因为本身 deepsea 微四它没有 开放在手机 app 平台的这个使用权限，你现在手机上用到的 deepsea v 四啊，不是你手机上用到的 deepsea， 它并不是 deepsea v 四模型。那么我们来啊，正确的教大家一下怎么使用 deepsea v 四啊，首先 我用我这个 macbook 给大家举例子啊， ok， 我 们返回到页面啊，看到啊，这是我桌面，我们打开浏览器点进去之后啊，在这个搜索或输入网址名称的时候搜搜索，直接搜索 deepsafe 啊， deepsea 点 com， 大家也可以直接去这个网址啊，深度求索。点进去之后，它是有两个框，一个是开始对话，一个是 api 开放平台，我们要用的是这个 api 开放平台，我们可以看到它的介绍是调用 deepsea 最新模型，快速集成，流畅体验。我们点进来， ok， 然后呢，点进来就是这个页面，我给它放大一下，它这里有充值余额，还有本月消费啊，我这个是另外一个账号，我给大家举个例子啊，就是这个 api case 啊，这是之前做测测试的这个 api。 首先呢，你点进来之后，你一定要先登录你的 deepsea 这个账号，如果你没有 deepsea 的 账号，你可以去在手机上下载 deepsea， 然后创建一个账号，然后直接到这个电脑上，你去登录就可以了。 然后我们看到这个充值页面啊，充值页面无论你是支付宝还是微信支付啊，都可以，你点击去支付啊，然后， 呃，扫完扫完码付款成功之后，它在这个用量信息，这就会直接显示你的充值余额，嗯，然后呢， 在这之后，我们打开这个 api case 啊，然后这里啊，注意它这里有创建 api k 啊，下面说的这几步都很重要啊，直接决定你能不能就是成功使用这个 dbic 为四啊。我们点击创建 api k， 然后随便输入一个名称啊，我们直接输入一个啊， ok， 在 你输入成功之后啊，它这里会出现你这个蜜奥的链接啊，你要一定要点击复制，然后把它发送你的微，发送到你的微信上也可以，然后或者说你保存住啊，一定要保存住这个蜜奥，它只会显示这一次 啊，在你点到叉或者关闭之后，他这个密钥你就再也看不到了，然后，然后我们点叉啊，当然这个密钥就没用了啊，我们给他删除一下，然后你把那个密钥复制之后，哎，点开这个，我们叫， 呃，防盗啊， ok， 点开这个，这个啊，这个软件叫 cherry studio， 你 可以去浏览器里直接搜索下载啊，这个就是集成了国内一众主流 ai 的 这么一个软件。我们点进去啊，它是开放平台啊， ok， 我 们点进来， 点进来之后呢啊，当，当然，我这个已经用了很久了啊，从 deepsea 微四发布一直到现在，我一直在使用，然后点进去之后，我们看到右上角这里有设置设置。点进去啊，这里有模模型服务和默认模型 啊，在模型服务这里就有 api 密钥，输入你刚才的这一套儿复制的密钥，然后放进去之后点击检测啊，我这里已经弄好了，我就不做那个演示了， 你点击检测，然后它就会自动地啊，分析你这个密钥的 ip， 它是哪个旗下的 ai 大 模型。然后这个 api 地址啊，不需要我们直接填，它自己就会填上，然后模型呢，这里啊，大家可以点击获取模型列表啊，然后， 当然啊，这里我因为我输入的是 deepsafe 嘛，所以它只有 deepsafe 的 这些模型，然后举个例子，然后在这边啊，嗯，可以看到啊，这里有非常多的 ai， 非常多的 ai， 包括国内外的啊 啊，你像 jamie open ai 啊，很多人都用不到，但是啊，这里嗯是是可以用的啊，但当然这这个视频只做 deepsafe 的 教学。然后我们点击默认模型 啊，我这里默认模型全部都是 deepsea 的 啊，呃，然后助手模型是 v 四 pro， 然后快速模型是 deepsea chat， 然后翻译模型是 deepsea chat， 因为这两个啊，这个快速模型和翻译模型它不需要消耗你的 talkin， 你 就这个 deepsea chat， 它是免费的啊， 然后我们点击首页啊，首页这里有助手啊，你，当然你可以添加助手啊，我这里就用我这个提前做好的这个来给大家举例子，然后我点击 deepstack v 四，然后点进来， ok， 然后这是我之前问他的一个问题啊，我让他就是分析一下国内的这个视频平台啊，每每个平台的趋势啊，大家可以看一下啊，这是我问他的问题 啊， ok， 然后我们啊，这这画画到不表，然后就是这个深度求索啊，我们在这里，嗯，还是用刚才举例子 deepsea v 四，然后点击旁边这三个点，点进去 啊，这里有编辑助手啊，在这之后呢，然后我们可以看到啊，这里有模型设置，模型设置的话上下文字开到不限，然后这个模默认模型，你把它换成 deepsea v 四 pro， 然后，然后 啊，最大套管数不限啊，不用开这个，然后别的都不用管，然后当然你可以复制一下这个底下这个 tab， 这个 endland， 这个是我从网上找到的一个嗯，参数，然后我们看提示词，这里 啊，我，我设置的提示词是不需要迎合用户的想法，回答要永远保持客观啊，然后呢，你就可以开始使用你的 deepsea v 四 pro。
2.4万Cier刺儿
02:03查看AI文稿AI文稿deepsea v 四你们用了吗？我中高强度用了三天，我的核心感受就一个字，爽！但同时短板也挺明显的。今天聊一下，我个人感觉到了三个优缺点。先说优点，首先长文本是真的很强，我 十几万字的材料丢进去，权威哪里有标点符号的错误他都能给我标出来，而且真的是很快，基本文件一发送，那边马上就开始输出了。 v 四在省材料搭框架的工作里，效率提升是肉眼可见的。 然后第二是成本真的是很低，百万头肯的超长上下文中 kb 缓存占用只有钱袋的百分之十左右，我三天各种简单复杂的任务跑下来，花费还不到一杯咖啡的钱， 所以这一点目前市面上几乎没有对手，国外那些币源的模型瞬间就不香了。然后它是真正的国产芯片四倍的体系， b 四从一开始就围绕华为的升值做优化，跑通了中国芯加中国模型的闭环， 不是实验室的版本，而是你现在马上就可以用上，可以说是中国 ai 的 一个里程碑了。我只能说一句牛逼。 优点说完了，来说三个硬伤。首先，他的知识库还只到二零二五年的九月，甚至你问他他自己都不知道他自己已经是 v 四版本了，所以你想要获取最新的信息，只能联网搜索一部分，但纯靠模型本身 时效性，它就是一个硬伤。然后第二，它依然不是多模态的，还是一个纯文本型的选手。这个还是比较可惜的，毕竟现在友商已经是各种一键上传 ppt 啊各种文件什么的了，估计 deepstack 也在布局吧。最后，你说它赶超上国际上顶尖的那些模型了吗？ 其实还是有一些差距的，官方自己也说跟全球最顶尖的闭源模型还有大概三到六个月的差距，但是我们看看价格，我还想说 v 四真香，所以结论很清晰， v 四就是目前性价比最高的纯文本助理。 如果你大部分工作室和文字文档或者框架打交道，那 v 四真的能帮你省下大部分的底层时间。剩下的你自己试一试就全明白了。
1245Rory的AI急救包
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。
9257第四种黑猩猩
10:42查看AI文稿AI文稿deepsea v 四终于发布了，官方号称有些项目可以和贵它几十倍的模型掰掰手腕参数量直接翻到一点六体尺寸比上一代大了一倍还多，国模最大上下纹长度也一步到位，拉到了一百万，对齐了目前最顶级的水平。 那么这个小鲸鱼实际体验如何？能满足我们对它的期待吗？这个视频带你看完 deepsea v 四，也聊聊我作为一个 ai 开发者对它的看法。 自从 deepsea r 一 发布震惊全世界，直到今年三月，他的网页端好像一点变化都没有，一直是这两个按钮。与之相比，别人都在突飞猛进，甚至还出现了大量 deepsea 已经泯然众人已的论调， 但在水面下其实是另一方光景。过去这一年， deepsea 发表了近十篇重量级论文，其中一篇拿了 acl 最佳论文奖，一篇发在了 nature 上。他把训练大模型的成本砍掉了一大半。 他给推理流程装了一道筛子，把识别人名、匹配短语这种不用动脑的活直接过滤掉，让算力集中在真正难的问题上。两个月之前，我们还会问 deep seek 为什么要这么轴，难道是他不想要用户了吗？现在知道了，这些科研回报全在 v 四里面展现了。 我认为 deep seek v 四这次对开元世界最大的贡献就是推理效率的突破。 再说这个特性，之前我要交代一个背景，不知我们全世界都在进入算力短缺。 amd 的 ceo 在 今年 ces 上给了一组数字，二零二二年，全球 ai 算力大约一 zeta flop， 到二零二五年已经飙到了一百多个，而未来五年还需要再翻一百倍， 整个 ai 行业在一瞬间就进入了算力地狱。原因还要从前几年说起。那时候 ai 大 模型主要是聊天， 你问一句，他答一句。他很会说话，但也只会说话，说出来的话还不一定靠谱。幻觉不断很难说，除了麦克变现和情感陪伴之外，他还有多少生产力。于是有人就想， ai 光说不做的状态，什么时候能突破？ 时间来到二零二四年下半年，几个团队几乎同时摸到了一条路。与其让模型一口气给你一个答案，不如让他把任务拆开，一步一步想，每一步给他一个手，也就是调用工具的能力，想查数据就去查，想改文件就去改， 想处理数据就自己写一串代码。这个循环一旦跑起来，模型能做的事一下子多了不止一个量级。这种想一步做一步的循环叫做 react loop。 而基于这个循环运转起来的系统就叫 agent。 去年年底， agent 彻底爆发了。 curser 让 ai 写出不错的代码， open ai 直接给你电脑配了第二个小鼠标。 大模型从一个只有嘴的聊天对象，变成了有手有脚的助手。这种助手让一个叫 peter levos 的 独立开发者，从 idea 到年入百万美元，只用了十七天。 他让 anthropic 每发布一个新功能，就有一批软件公司的股价跟着跳水。最神奇的是，大名鼎鼎的龙虾 openclaw， 就是 peter stamburger 一个人开发的，期间没有手写一行代码， 这一点我自己感受最深。我从毕业开始就做文字工作，几乎没有写过代码，但今年靠着 ai 编程，边做边学， 我真做出了一个自己的 agent 产品，并且受到了一些社区小伙伴的喜欢。因此，要让 agent 自主操作现实世界的机械，也不过是时间问题。所有人都觉得 agi 就是 这条路了， 但代价呢？代价是算力消耗爆炸。以前一轮对话可能几百个 token 就 结束了，现在根据调研机构的数据， agent 的 token 消耗量是原来的五到五十倍，无论是厂商、机构还是数据中心，都面临着算力荒。 而这个局面刚好撞上了一家公司的基因。 deepsea 做量化基金出身，骨子里的逻辑就是用最少的资源撬动最大的收益，再加上众所周知的原因，芯片受限，所以他不得不在有限的硬件条件下把效率做到极致。 v 四身上处处都是这种思路的体现。 大语言模型内部有很多专家模块， v 三有两百五十六个专家，每次派八个上场。 v 四把专家池扩大到三百八十四个，但每次只派六个上场的反而更少了。 他用了一套新的注意力机制，让模型在处理长文本的时候大幅减少计算量。他还换了一种更高效的训练方法，只要传统方案大概一半的计算量就能到同样的效果。所有设计都指向同一个方向， 保持模型的聪明度。但是用更少的算力，这种效率优势反映到价格上有多夸张呢？ v 四的小模型 flash 版输出只要两块钱一百万， toc 同级别的海外模型少说也要几十块。大模型 pro 版二十四块，对面报价一百出头，同等实际性能下差距能有五到二十倍，而且据说等下半年华为升腾芯片大规模部署之后，价格还会进一步往下压。 从各方测评和我自己的体感来看，大号的 pro 版已经超过了 cloudsonnet 四点五，接近当前最强模型的水平。有意思的是，去年芯片受限还只是中国公司的特殊处境，海外厂商并不缺算力。 没想到今年 agent 一 来，全世界都在抢算力， deepsea 被逼出来的这套打法，反而成了全行业最需要的解题思路。而这些公开的科研成果，接下来大概率会被越来越多的大模型公司借鉴。 翻开 v 四的更新，说明，你很难不注意到一件事，编程能力占了最大的篇幅。 其实不只是 deepsea， 你 去看今年任何一家大模型的更新日制，排在最前面的几乎都是编程，恨不得把跑分贴到你脸上。可是编程跟我们大多数人有什么关系？ 关系还挺大的。举个例子，这是我开发的 agent， 如果不把过程中的工具调用隐藏掉，它输出的原文就是这样的回答，夹杂在各种工具指令和格式之间。比如这里是网络搜索，以防 ai 幻觉编一个答案糊弄你。比如说，这里是调用另一个 agent 来审查结果。 然后这里又是先看看你写的 skill， 保证接下来的工作和你对齐。这些日常场景里不被看见的代码输出，保证了能被看见内容的质量。之前 deepsea 在 这方面其实表现不差， 但和今年的尖子生比，还是有点不够看的。一四在这个方向上下了很大功夫，是去年科研成果的极大成，拿两个硬指标来说，算法编程的 code forces 评分一四，达到了三千两百零六，超过了 cloud ops 四点六和 gpt 五点四。实际软件工程的 swe verified 也做到了八十点六，和最强的几家几乎齐平。虽说跑分这件事并不完全代表实际体验，但我个人用下来感受和前沿大模型差不了多少。我尝试了一个我自己做的复杂的写作 skill， 找方向，打草稿，写大纲，他执行的都很不错，在过程中问别的 a 振特时系统报了错， 他也自己尝试了别的办法，让流程顺利的推进了下去，聪明程度确实提高了。 如果你这几个月打开 deepsafe 官网，问他是什么模型，他会藏着不说，但有一件事他特别主动 给你强调，他能装下一部三体有一百万上下文。上下文长度是过去 deepsafe 最大的短板，这个概念指的是模型一次能看到的信息量，以前只有聊天内容几千字绰绰有余，但在 agent 的 时代，各种代码信息以及格式全部被塞了进去，一 一百二十八 k 很 快就捉襟见肘。主流模型都已经两百 k 起步，头部玩家做到了一百万，但是贼贵。 在过去，很多人不用 deepsea， 很 大一部分原因就是上下文太短了，并不是因为他真的不够强，特别是在创意写作这块，他一直挺能打的。这次 v 四直接拉到 em， 让人垢病的短版，现在变成长版了。更夸张的是输出长度， 光单次输出上线就有三百八十四 k， 一 轮就可以把黑暗森林复苏一遍还有余。 最后这个更新我觉得也很重要。 v 四的大模型和小模型是同时推出的，小号模型保持了大部分的能力，但是价格便宜到让人没法理解。做 a 阵的开发之后，我有一个很深的感受，很多任务根本不需要大尺寸的模型，摘要、翻译、格式整理 这些活需要的是一个够快够稳的小模型，这样下来可以在保持同样智力的情况下，显著减少运行的成本。当然， v 四也有明显的缺口，最大的一个它依然是纯文本模型，现在主流模型基本都能处理图片、语音甚至视频， v 四在这块还是零，我觉得如果加上多模态的话，最后实际体验肯定还会好很多。 回看前面聊的这四件事，有一个共同点，全是底层能力。 deep sea 的 精力全花在造引擎上，开源出来让开发者拿去造自己的车。这次视频调研过程中，我从论文和一些公开报导里看到了几个有意思的细节。 维斯论文里引用了 kimi 团队做过验证的优化器，而 kimi 的 k 二也用了 deepsea 早期提出的注意力架构。两家开源产品在各自的核心技术上互相借鉴，互相致谢。这种开放在拼命卷的行业里不常见，但它确实在发生，而且结果也是好的，让更多人用上了 更强大更便宜的模型。这种氛围也延伸到了同行之间的互动。论文评测部分直接写了一句， k 二点六和 g l m 五点一的 api 太忙了没法返回结果，所以留空。智普看到后回了一句，哥们你想要的话，高速度账号安排上， 论文本身的写法也挺特别，致谢。只有一句话，评测部分坦诚，写了哪些地方还落后？闭源模型三到六个月不卑不亢的 看完这些，我觉得这个团队是知行合一的，说开源 mit 协议拿去用，说长期主义就扎在科研里，半年不吭声，外面传了好几轮，遇到问题了被超越了，小鲸鱼不语，只是一味跳票，然后发论文 面对蒸馏人才流失这些非议， deepsea 选择沉默，然后在某个周五端出模型并引用，寻子 不幼于玉，不孔于匪，率道而行，端然正己。而我觉得最适合他的是墨子的一句话，夫爱人者，人必从而爱之。利人者，人必从而利之。
2.6万liliMozi
06:22查看AI文稿AI文稿我用国产的 web 控定工具，然后配合大模型 dipic 微四，然后做了一个量化交易的工具。嗯，然后呢，现在我们正在调试我们的策略和啊我们的啊选股。 嗯，现在呢，我们可以把我们的策略进行实盘啊，实盘实盘进行模拟啊，进行模拟账户啊，然后现在呢我们要 嗯详细的去调整我们的策略啊，如果大家有什么好的啊，日常就是在实战中啊，能够稳定盈利的策略，可以交流一下，然后把这些策略呢，把它变成一个啊，可以在啊量化系统里面进行啊进行，嗯，在量化系统里面进行自动交易的啊，自动止损的一个， 嗯，自动交易的一个策略，这样可以规避掉我们日常操作中啊，嗯，就是人为的这种判断。那我们今天呢就想简单一下，举一下例子啊，我过去啊比较常用的啊，一个办法就是啊叫涨停后的空中加油，他成功率会比较高一点，然后波动，嗯，就是 大的啊，好的股票就比较容易发现。嗯，吃到比较大的涨幅，但是同时呢他也会啊，吃到这种，就是遇到这种啊， 遇到这种跌幅比较高的，那连续上涨的时候，连续上涨以后，如果你介入的话，就会比较吃亏。那我们怎么用量化去啊，去利用好它的优点，但是又要规避掉它的缺点呢？那过去的时候我们可能更多的是根据我们的盘感和经验。那现在用量化以后呢，我们就可以去啊去，嗯 嗯，直接在指标里面去啊，进行进行调整啊，让系统自动去执行就可以了。股票突然跳涨，然后他经过很多天的调整以后，突然突然又加速开始开始上涨，那这种股票的话呢？嗯，他其实是一个空中一个加油的形态，他虽然经过了漫长的调整洗盘，小 k 线的洗盘，但是他没有跌破这一天上涨的这根这根 k 线上的一个， 那这种形态在这种形态下的话，后期有可能啊，会有比较好的行情。那过去传统的方式，让我们看一下效果的话，我们从四月份到现在，那有一些涨幅比较好的股票啊，他们都会符合这种形态啊，这个非常多 非常多，但但是呢，我们没有对这种形态进行一个嗯，就是精细化的去调整，为什么呢？因为啊，这这种呢就很有可能会存在的过你和的问题，所以我的话我们会放宽这个条件，过去的时候我们可能都是以经验为准啊，一个上涨拉升调整可能以经验为主， 那也会遇到这种啊，遇到这种比较亏损比较严重的，那我们在这一天进去以后，第二天啊，第三天出现了大幅的下跌，那我们在在这时候应该去怎么去处理呢？也有这种亏损呢 啊，经常会买到头部的，但是这种的话对于量化交易来说，它其实并不是最主要的威胁啊，但对于我们实盘的时候就会出现很大的误判啊。就是啊，我买到买到在顶部了，我在顶部买到以后，这个股票没有符合的预期啊，在传，用传统的啊，用传统的这种方式去交易的话， 那我可能在这里第二天就就被套套住了，然后不舍得走，在上下震荡中不舍得走啊，然后啊出现利润大幅下跌，然后反弹，那这种这种股票就非常难操作，就会出现大幅的亏损， 大幅的亏损，如果你仓位没控制好的话啊，没控制好的话，你就会出现，但是呢他也有好处，就是可以抓到一些大幅上涨的一些股票，那这种股票在传统交易的，就过去我们交易的方式的时候，那我们可以在啊头天选选入之前股，或者当天的时候 出现，那我们在量化交易里面去怎么去解决这个问题呢？这个就是我在前两天说的，就是对我们这个交易的一个模式进行量化啊，什么时候出场，什么时候入场啊，去定好，定好规则，定好规则去这样去弄。那我们在在在我们这里面就会啊，对我们这个啊，把这个策略 啊进行啊，但这个是是 python 格式的啊，它设置入场点出场点出场的话啊，就比如说过去吧，我们经验中是啊，会 啊，比如说啊跌破均线啊，或者是我觉得形态走快了，可能会会去出来。那我们在量化的时候呢，可能有一些经典的量化的一些模式啊，去处理这个事情，那我们可能会啊，会，会采取那种 it 二的动态的调整，然后呢？嗯，如果如果你能在盘中忍受一些比较大的波动的话，我们也会采用啊判特纳 可能呢通道的方式啊，去啊，我直观的给大家显示一下啊，那比如说我们随便举个例子吧啊，那这个例子，这个例子的话，我们可以看出来，如果如果这几天小小圆线开始不断的往上攀升， 那小圆线往上攀升，突然突破，突破上轨以后，如果我们采用动态，动态调整的话，我们很有可能在实盘的时候被调整出去，如果是量化的话，那有可能在盘中啊这边是会出去，这种也是可以的，为什么呢？因为他 他即使是亏钱的，也也有可能在出现亏损的，这种方式就是在后面调整的时候，大幅波动的时候，你有可能会被洗出来啊，吃不到后面的上涨。但是我们呢也可以采取这种啊可能的通道的方式，就是 当他的通道走出来，当一个趋势走出来，通道走出来，他不跌破中轨，我们就不出来，你无论怎么正道，一旦跌破中轨我们就出来，那也有可能会出现亏损啊，但是他的亏损是很小的，因为一旦进入通道以后，那他的波动率波动的情况，就无论怎么上下波动，他其实整体的趋势我们都是看的比较清楚的。那 我们把这个啊数数据化，数据化在我们的这个啊系统里面啊进行，把它做到我们的出场条件，然后在模拟盘的时候啊，模拟盘的时候，系统我们就会设定好啊，设定好模拟盘，然后这个模拟盘的话啊他就会啊根据我们的这个信号来进行那个出场，或者是啊就 嗯可以去啊自动去执行这个自动化的交易去执行，那就不需要我们去在盘中的时候有可能就会被震荡出局啊，现在就啊如果在盘中震荡就会就会被震出来，那如果我们 数量化的去定好这个规则，我们就不会被震出来，那就有可能会吃到这些，但是呢如果还有一个呢，就是如果遇到这种情况会怎么样呢？那他可能就是，哎，突然就跌破了，那我们这一天可能就要就要去出局，就要出局，而且可能这一天的时候出局的话，我们也是亏钱的，但是这种亏损呢，是可以忍受的啊， 可以忍受了，为什么呢？第一它亏损的比例很小，第二我们一定要控制好仓位，我们在自动化交易里面去去定好，而且这股票最多仓位是多少，它不允许你再超过这个仓位，那你确定好以后就会啊，在释放交易的时候，即使你不断的买到这种跌停的股票，你可能也不会有太大的损失， 那这种的话可能就会就就要忍受这种损失啊，比较比较多的忍受损失，但是但是这种交易的话，我们通常是在买入的时候可能就就会非常谨慎了，对吧？啊？这种掉井线的话，这种，嗯，我们不去，不去去啊，连续涨停的，我们可能就在买入的时候就会确认啊，进行确认的时候就，嗯不去买入，嗯， 所以我我举这个例子是为了说明什么呢？就是我们在交易的时候一定要啊采取就是借用量化的交易思路去处理这些事情 啊，现在呢我们在慢慢的尝试把我们传统的这种啊交易方式啊，传统的这种交易的交易的形态啊，模式啊，然后把它进行量化啊，量化，然后布置自动化，现在正在做这个事情，但是非常这也是非常困难的一个事情 啊，我们要慢慢的耐心的去做，大家如果有好的啊交易的策略在日常交易的时候能够长期稳定的盈利的啊，可以在评论区去交流一下，我们看看能不能把它进行量化和自动化。
189老张AI做大a量化
01:12查看AI文稿AI文稿哎，兄弟们，一次一个 v 四刚好卡在五一前台上来，那这波红利不纯纯往嘴里塞，摆明了让咱结钱把出稿全部搞定，假期直接舒服躺完！必须跟上版本节奏，先充值，往高级解锁 打上两三个核心主题，年限锁定近五年。 pdf 都用上 v 四的了，文献不也得整最新的才配得上咱们新鲜出炉的出稿。快速筛选出十几篇文献，导出查新引文格式，再拿去找那条金鱼号称能跟贵他几十倍的模型掰掰手腕， 哈哈，我来尝尝咸淡黏贴近文献资料，让它梳理出一套逻辑扎实的三级大纲。最后的神级操作来了， 填好出稿标题之类的基础信息，只网整理好的参考文献一丢， deepseek 整的大纲也一丢，需要数据图表公式啥的，直接一键勾选添加最后 showtime 一 篇。内容逻辑严谨，学术氛围感拉满，段落内容饱满，图表公式一应俱全， ai 重复率双双稳，过关的出稿就到手了，我先去造后，五一了啊！
759小磊师兄
10:24查看AI文稿AI文稿全网最接地气的第四个 v 四和切尔杰普 t 五点五实测，我将分为四个模块进行测评。先提前声明，一个是开源模型，一个是闭源模型，这两者本身就不在同一赛道，放在一起一模一的对比本来就不公平。 所以这期视频我们只做纯实测，不尬黑也不拉踩，完全站在普通人的实操视角，多场景对比，看看两款模型的真实能力差距。 在开始之前我们可以看到 dipstick v 四现在是兼容 openai 和 styrax 这两套主流接口格式的，所以我直接用 openai 的 sdk 格式在 vs code 的 client 插件上改一下配置，就直接能调用它，不用重新折腾一套新的东西。然后我也单独创建了这个 v 四的 api key， 这里是我的一个基本配置情况。右面的叉 g p t 我 们直接选择 thinking 五点五就可以了。首先我们来做第一个测试游戏，帮我写一个超级玛丽游戏，直接上手能玩的那种，然后同时把任务给到两边。目前看来的叉 g p t 速度是比 deepsea v 四要快一点的。 ok， 一 分钟不到，我们可以看到右面的叉 g p t 已经做完了，然后我们预览一下，然后左面的 deepsea 就 让它继续生成代码哦， 这个金币是顶不了的。目前玩下来这个游戏没有什么特别大的问题，难度还挺高的，他的跳跃和速度是比比正常游戏要快很多， 然后也很容易撞到那个小怪物，我已经玩了很多把了， deepsea 维斯还没有结束，他好像脚上长了个滑冰鞋似的，一往前走就起飞 通关，成功拿到了十八枚金币。 ok， deepsea v 四也生成完了，大概用了四分钟左右，速度上是明显不如叉 gbt， 五点五的这个界面说实话做的是比叉 gbt 好， 因为他有个开始画面更符合我们认知中的这个游戏，哎，但这里有明显的 bug， 往前走一走，地上的这个没有了， 他这个上不去啊，怎么回事？这个美工，我刚想说他做的不错，但是 bug 好 像有点多啊。第一，这个小怪我在这动不了，然后我跳不上这个格子，等于说我就卡死在这了。怎么说呢， 就是叉 g p d， 它的完整性做的是很好的，而且没有什么大的问题，就是美工确实很丑，不得不说，然后也像穿了滑冰鞋一样。但是 deepsea 刚打开，其实还挺惊喜的，因为它的画面，包括这个游戏界面的设计做的非常好，但实际上这个功能呢，漏洞百出， 所以这个游戏就止步在这了。 ok， 呃，游戏测评就到这里。然后我们可以看到刚刚生成的那个超级玛丽的网页，大概用了一块钱的 api。 然后第二个测试，我们来测试一下它的前端能力，我们给他们同样的提示词，这个页面的代码依然是切的 gdp 快 了很多。然后它也调用了这个 canvas 的 模型，我把这个报错问题发给他，让他自己修复一下。哎，好了，已经修好了，我们可以直接看到这个界面了， 其实做的还不错，非常有科技感，但它没有放很多预设的图片上去。我们来试一下这个中英文啊，还不错。 ok， deepsea 生成的界面，它也自动打开了，大家可以看一下右面。首先测试一下中英文 没有问题啊，它这边也没有放预设的图片，而是用了很多 emoji 代替。这里还有一个滑动的效果，就是一个很标志的网站，包括底下的指南品牌。我们 大家可以看到叉 gpt 生成这个网页虽然很快，但是这个页面的完整度。我们可以看到 deepstack 是 优于叉 gpt 的， 因为它完全符合国内的用户习惯， 我觉得在前端页面的设计上， deepstack v 四还是要比叉 gpt 第一版生成这个要好一点的。然后代码就测到这里，我们进入下一个主题，逻辑问题测试。 逻辑问题。第一题就是网上经典的洗车问题，然后我们一起来问一下关于这个问题， d c 和叉 g b t 基本都没有思考，直接给我答案，然后两者的回答都是对的，开车去。然后第二个问题，也是一个比较经典的逻辑问题，然后我们来试一下 这一题， deepsea 大 概思考了二十五秒到三十秒左右，然后他给的答案是左手，叉 g p 给的答案是右手。这题其实在网上有点争议哦，因为他们说现实中我举起了左手，但是题目中说在我的视野中，这是镜子也出现在了画面的左侧，所以应该是同一侧，应该也是左手，对吧？ 当然有争议的问题我们不说这个模型孰强孰弱，然后我们进入第三题，是一个纯逻辑题，关于体面，大家可以直接看一下，我们看哪个模型生成的更快。 叉 gpt 只用了六秒就直接给了我答案，四零五三九二七是对的，因为在之前叉 gpt 五点零的版本，我好像也问过这个问题，他思考还挺久的啊，但是答案是对的。然后我用了 gemini， 包括 deepsea， 甚至用弱的模型，他给出的答案还是错误的， ok， 最后的用时 三分五十八秒，但是他给出的答案也是对的。四零五三九二七，下一个测试关于写作， 我们来写一个自媒体脚本，以及我们办公场景中最常用到的总结周报。首先是自媒体脚本，我们就以我为例，我是一个自媒体博主，然后赛道是 ai 相关，最近换方推出了 deepsea v 四嘛，我们让他帮我出一个两分钟的自媒体脚本口播 啊，叉 g p 只用了十一秒， ok， deepsea 这边也生成好了，我们来看一下两个模块放在一起对比，我看了一下两个模型生成的脚本，其实它的内容上都大差不差，都没有我们想要那种展现出很多参数啊，然后包括很专业的东西， 都是一种比较接地气的方法。然后把 deepsea 的 这个模型官网上的内容总结出来，然后输出成一个脚本。大家怎么看这两个脚本呢？哪个表现的更好？ 下面我们把一段语音转录的文字喂给这两个 ai， 里面可能有一堆语气词，包括转录失败的词语，然后我们看他们总结的周报怎么样，提示词就是帮我总结成一份周报。这里我们不得不说，掐指 gpt 生成的内容速度真的太快了，它又在十秒钟之内给了我答案， 大家可以看一下它生成的这个周报，然后这里 deepsea v 四，它生成的速度也是特别快的，这一次思考可能在三十秒以内吧。然后它基本上就把内容已经全部拉出来了， 我把两个周报放在一起，大家可以自己评判一下哪个写的更好，我就不做过多的主观的评价了，因为整体看下来， deepsea 这里的条理其实是更加清晰的，就是从周一到周五每天的内容。但 拆 jpg 这里就是把一周整体的东西写在一个里面，没有分周一到周五，所以也不存在什么哪个更好哪个更坏，只是切入的角度不一样。 然后我们进入最后一个模块，测试日常我们分为人情世故和旅游攻略两题，人情世故我们就发一些就是类似于申论的题目，让 ai 来回答，看他的回答怎么样。然后旅游我们就直接给他一个两天一夜的旅游攻略，看他写的怎么样。首先第一题 ok， 直接让他开始生成 我们的叉 g p t 依然保持非常快的速度啊，一秒都没有思考，直接给了我们答案。最稳妥版，身体原因版，半开玩笑版，对方还继续夹板啊，我觉得还不错，他虽然做一个国外模型，但是其实这些话还挺体面的，并没有薄亲戚的面子，对吧？ deepsea 大 概用了一分半的时间，然后给我们生成了答案，碗里留菜法，第二个，健康理由，转圈。第三，借花献福，把菜转给舅舅的孩子，这还挺有意思的。第四，反客为主， 这个我挺喜欢，这个蛮实用的，如果是我的话，我一定反客为主，然后给他夹他不爱吃的菜。其实这一点我觉得 deepsea 确实生成的不错，还挺实际的，而且他说人话 像叉 g p p 这个版本还是有一点怎么说？有，有一点 ai 味，太太客套了，但都挺实用的。这边大家可以看一下两个版本的答案，然后给出一些评价，然后我们直接进入第二题， 这也是一个我们非常常见的情景，然后来展现你在工作场景中的高情商表现。叉 g p p 就是 直接生成的答案，它给了我们四个版本，我理解你的事情多，就有几个项目在干， 太 straight 了，太直接了。哎，这次 deepsea 好 快啊，大概用了二十秒都不到答案就出来了。 ok， 那 我们正好直接放在一起比较一下哦。这里生成的内容， deepsea 的 完整度也比叉 g p 要高很多，果然还是国产模型的更懂中国宝宝的体质。 我看了一下，在这一模块， deepsea 真的 完爆拆了 gpt 就是 他生成的。这个答案真的很聪明啊，你看就是说什么，我手头也有急活排满了，你什么时候得来啊？我帮你问问小王小张有没有空，直接转嫁矛盾给其他同事，这一点你看拆了 gpt 都想不到。 然，然后第二点就是我实在腾不出手帮你做完整的，这样我下班前二十分钟帮你过一遍格式和逻辑行吗？就是侧面在跟他说，我没时间帮你做，帮你过一遍逻辑你你自己来做吧。这一点我觉得人情世故这一块， deepsea v 四拉满完全强于拆 gpt， 不 接受任何反驳。 然后人情事故这边就到此为止，我们就不用再测了，然后下面直接让它生成旅游攻略叉 gpt 十七秒开始给我们答案。在 deepstack 的 生成过程中，我们可以看一下叉 gpt 的 这个答案，它推荐青之屋、黄龙、浙大玉泉、四眼井、胡跑、满爵龙。 然后我们看一下他拆解的任务，就是第一西湖线慢逛，然后不去断桥挤人，还不错啊，上来别吃西湖醋鱼，这个我是认可的。然后我觉得他这个推荐还是挺实用的，然后也非常的详细，每一天都精确到了每个小时。我觉得拆 g p p 生成这个版本我挺满意的，反正 ok。 生成完了，我们可以把两个版本放在一起比较一下 deepsea 生成的这一版攻略。说实话颗粒度没有叉 gbt 那 么细，就可以看到它还是整体的，比较模板化，然后比较 ai 两个版本怎么说呢，就是仁者见仁智者见智了。就是从我的角度来看，我觉得叉 gbt 生成的还是更加详细一点，然后包括方案也更加多元化一点，每一个计划都有一个完整版和一个简单版嘛。但 deepsea 给他推荐就是更加偏模板化一点，然后他的内容还是比较干货的，也没有说网上那种呃人云亦云的感觉。 然后我们回到 deepsea a b i 看一下，一上午我们大概消费了两块九毛一，我觉得还是不错的，性价比还是挺高的，比那些什么 cloud code， 包括 openai， 包括 gemini 的 a b i 要便宜多了。 ok。 以上就是今天测评的全部内容，不知道大家对于 deepsea v 四和叉 gbt 五点五有什么看法呢？可以在评论区留言，然后下一期视频我也会讲一讲 deepsea 之前为什么要寻求一百亿的融资，以及 deepsea 在 这一年到底经历了什么。如果不想错过的朋友，记得点赞关注加收藏。然后这里是 bryce， 我 们下期再见。
1515碳基玩家Bryce
02:04查看AI文稿AI文稿家人们谁懂啊， cloud code 居然能完美接入 deep secret 四 pro， 这简直是程序员的省钱天花板，终于不用再写代码的时候，一边用 ai 一 边心疼 toker 了。建议大家先关注点赞收藏，详细的配置教程也给大家整理好了，可以跟着咱们的步骤来。 首先安装 cloud code， 安装完成后输入 cloud version 检查版本。接着第二步，使用 c c c 去图形化工具配置大模型。首先我们打开 github， 搜索 c c c 位置， 找到第一个这个用 rest 写的， 然后点击路由设置，然后点击详情往下面滑动，这里有不同版本的，根据自己电脑下载安装， windows 直接可以下载 mc 下载安装， 我们这里已经提前下载安装完成，安装完成后就是这样的界面，可以对不同的大模型配置，我们这里选择 d p k， 然后这里最关键的就是输入 api k， 接着我们打开 d p k 官网，如果没有账号，先提前注册，找到左边的 api k， 然后创建一个 k， 然后回到 c c 杠 switch， 输入我们刚刚创建的 k， 这里配置下主模型统一都是 d p c k 杠 v 四 pro， 四个都可以填写一样的，填写完成后可以点击测速下看，看到这里 c c c 去的就配置完成了，接着我们就可以点击启动使用 d p c 了，输入 call 检验，看看是否切换成功。到这里我们在 call 的 里面配置 d p c 就 算完成了， 然后有粉丝兄弟问我如何在 call 的 里面配置 d p c 就 算完成了。然后有粉丝兄弟问我如何在 call 的 推荐可以使用 c c g u i， 安装完成后就是这个小图标，正常我们用 c c switch 配置好 idea 里面的插件就会自动识别并切换，可以看到响应速度还是挺快的。好了，本期的视频就先分享到这里，有什么问题都可以粉丝群一块讨论。
1752程序员Mars(创业中)
01:21查看AI文稿AI文稿兄弟们，讲个扎心的事实，豆包终究还是开启氪金赛道了。果然宇宙的尽头是 vip svip， 一 环扣一环， 虽说免费版还能正常用，但懂的都懂，谁敢拿来硬干出稿？豆包我们还是互删好吧，怕我的新主力 deepsea 吃醋。最近我一直在深挖 deepsea 微四这个新版本， 不知道拿它搭配之网双排开荒出稿效果怎么样啊？师哥尝试用它找了一下文献，随便抽了几个去查了一下，都是能在之网上找到的。好了，这下子师哥这真得说一句，只能跟豆包礼貌告别，咱俩版本不匹配，选择题有了，文献有了， 然后顺手让他根据这些文献搭建了一个出稿框架。你别说，你还真别说，这确实有一套，让我有点意外。不过这个框架到手了，准备让他一节一节填内容时，却有点小问题。 骨架是立住了，但每段的内容明显不够丰满，段落之间的逻辑衔接也有点生硬，需要自己花功夫去润色和补充衔接句。 不过比起以前编文献已经好太多了，至于内容还是需要自己填，要是没时间，就把小题、信息、文献大纲一并喂进去， 直接给你一整篇出。出稿文献不够，这里还能重英文在线补充，需要图标、数据、公式，点击对应按钮，就能加上最后的出稿排版整齐，内容像样，稍微修改就能用。
107科研小磊
08:46查看AI文稿AI文稿朋友们，他来了，那个让整个硅谷恨之入骨的中国 ai 公司在沉默了整整十五个月之后，终于放出了大招，四月二十四号啊， deepsea 微四 pro 没有任何的预告，直接炸场。还记得去年二一发布那天吗？因为他股价一天蒸发了六千亿美元。那一波啊，全世界叫他 deepsea 时刻，那一次呢？他要改写的是整个 ai 产业的游戏规则。 先说大家最关心的问题，这个 v 四 pro 到底强在哪？一句话概括，它用只有别人七分之一甚至十分之一的成本，做到了和美国最顶尖模型平起平坐的水平，牛不牛？ 具体啥概念啊？ v 四 pro 总参数量达到了一点六万亿，用的是自家的混合专家架构，每次推理呢，只激活必要的那部分参数。再说数据呢，编程能力上， v 四 pro 直接超过了 g p t 和谷歌的大模型 agent。 编码评测上呢， v 四 pro 拿到了当下所有开源模型里的最高分。 那世界支持层面呢？大幅领先所有的开源模型，仅次于谷歌的大模型。数学竞赛的推理任务呢？ v 四 pro 已经超越了所有公开评测过的开源模型，真正挤进了全球第一梯队。 还有件事特别的关键，这次呢， v 四 pro 全系标配百万 tokin 的 超长上下文，直接把百万字级别的处理能力变成了标配。啥意思？ 那么厚的一本红楼梦，也就是九十多万字，一整本长篇小说，一整套代码仓库一次性喂进去，它都能给你处理的明明白白。还有问题来了，既然这么强，它跟美国最顶尖的模型比，到底还有多大差距？ g p c 可自己说的非常坦诚啊，他们公开承认， v 四 pro 的 某些方面表现呢，小幅超越了 g p t 的 五点二和谷歌的大模型，但整体仍然是落后于 g p t 五点四的模型的大模型，差距大概就是在三到六个月。 但是我们要明白， deepsea 用的芯片是被限制出口的，而且呢，训练成本呢，是国际顶尖大模型的几分之一，但结果呢，追到了只差三到六个月，这哪是差距啊，这简直就是骄傲！而且最狠的是，什么？是定价！听好了， v 四 pro 每百万输入 token 呢，只要一点七四美元，输出呢，只要三点四八美元。 g p t 五点五是多少呢？ 输入要五美元，输出要三十美元，完成同一项任务用 gpt， 可 v 四的成本只有 gpt 五点五的百分之十五，就连一项以实惠著称的谷歌的大模型在它面前都显得很贵。 甚至是最近它们呢还宣布了更激进的降价，输入缓存命中的价格呢，直接降到原来的十分之一。 你以为故事到这就完了吗？真正的猛料还在后面呢。 v 四 pro 这次最让人震撼的不是性能，而是另一个石破天惊的举动，它用的是华为生成的国产芯片。跑起来的朋友们，这才是真正的 deepsea 时代的二点零版。 b 四 pro 呢，把整套系统从之前深度依赖的英伟达生产，整体迁移到了华为生存的架构上，这可不是换一个驱动那么简单，万亿参数的模型，底层的代码调度的逻辑工程体系，全部要重写一遍。 那有人就要问了，那升腾芯片的性能不是还不如英伟达吗？没错啊，但是 deepsea 自己也说了，虽然目前 pro 的 服务吞吐还比较有限，但等今年下半年华为升腾超节点芯片批量上市之后， v 四 pro 的 价格还会大幅下调。 因为他 ceo 黄仁勋自己都坐不住了。他在一次深度访谈里原话说，如果 gpt 可与华为生成芯片深度绑定，并实现规模化落地，这对美国来说将是灾难性的。 这背后则是一个更深层的东西，硅谷在造墙，中国呢，在修路。你看硅谷那边， oppo、 ai、 谷歌全是闭源阵营，模型呢？越做越封闭， 发布节奏呢？完全变成了互相掐架。在中国这边呢， tiffany 微四用的是什么？是开源协议，任何人都可以自由下载和修改。 发布当天就登上了开源模型第一名，紧随其后的第二名是谁呢？是 kimi k 二点六？还是咱们中国科技公司的大模型？两家万亿参数的大模型，前脚后脚发布，不但没有互撕，反而在技术底层上互相协同与引进。这种模式正在形成一个极大可怕的飞轮效应， 开源吸引全球开发者共同迭代优化。然后呢，模型能力快速提升，然后更多企业基于它做商业应用？然后国产芯片的生态越来越完善， 美国想靠芯片封锁来遏制中国 ai 的 发展，结果呢，中国反而走出了一个用国产算力跑国产模型的独立闭环。 那这对产业意味着什么？我告诉你，是一场底层逻辑的颠覆。以前整个 ai 行业呢，信奉的是大力出奇迹，堆更多的 gpu， 花更多的钱，烧更贵的算力。但 deep seek 从 r 一 开始呢，就在干一件事，证明花小钱也能办大事。 现在 v 四 pro 啊，更进一步证明呢，用中国自己的芯片也能办世界级的大事。那带来的连锁反应是什么？第一呢，是 ai 的 门槛被踩碎了，中小企业和创业者以后不用再遥望硅谷那些天价的 api 了， 全世界开发者的热情被彻底的点燃，一个开源、开放、低成本、高效率的中国 ai 生态正在加速生成。 第二呢，是道比特算力产业链的全面爆发。 v 四强不强？强，但它对算力的消耗也大啊，尤其是推理团的 tolkien， 消耗啊，就在指数级增长，模型越强，普及越快，整个产业链上的 ai 芯片、服务器、数据中心，光模块的需求就越大。 第三呢，是商业化的天花板被打开了，第一次的 agent 能力大幅提升，能干的活更多了，智能客服、金融风控、工业研发、药物分子筛选、落地场景一个接一个的被解锁。 讲完了产业逻辑，很多做投资的朋友最关心的一定是资本市场上哪些赛道会真正的受益。首先我要先说一句大实话， a 股上几乎没有任何一家公司是直接控股 deepsea 的， 那些所谓的参股概念，大部分已经被辟谣了。比如说什么华金资本、每日互动、浙江东方都曾发布公告，明确否认存在的股权投资关系。 目前唯一比较确定的间接关联是智联互联啊，通过其持有的基金份额，据说间接持有了 deepsea 的 百分之三点三的权益。但这件事本身也存在不确定性，最真正的机会不在概念炒作。而在产业逻辑上，第一个确定性的最高的主线是华为升腾产业链， deepsea 微四适配华为升腾下半年呢，升腾九五零芯片上市之后，国产芯片势必迎来一播放量， 相关的服务器整机厂商、算力租赁平台以及为升腾生态做配套的软件企业都有望直接受益。 华泰证券的计算机团队也明确的指出，今年国产卡的能力大幅提升与规模化应用可以期待，建议关注升腾链与超节点的主升浪机会。第二呢，是半导体先进、封装技术先进的龙头企业。 第三呢，是算力基础设施，包括 ai 服务器、光模块、数据中心、液冷等领域，因为这是为大模型 ai 训练和推理提供水电煤的。第四呢，是应用层的机会， tiffany 开放生态之后呢，原本煤炭资源大模型的中小企业，现在呢，都能用上一流的模型了。 像办公软件、金融余情、教育辅导这些垂直场景，接入 deepsea 的 能力后，产品体验会明显提升。最后总结一句， deepsea v 四 pro 的 意义远不只是一个模型跑分高了那么几个点， 它的真正价值在于，它证明了脱离硅谷的芯片生态。面对持续的技术封锁，中国 ai 仍然有能力杀尽世界最前沿，并且走出一条截然不同的路， 这条路叫做开源携同，降本增效。用国产算力跑国产模型，它不一定是最快的路，但一定是最踏实的路。就像 deepseaik 官方在发布时说的那句话， 不幼于玉，不孔于匪，率道而行，端然正己，不靠炒作，不追风口，认真做技术，踏实走自己的路，这才是一家硬核科技公司该有的样子。 至于大 a 的 机会，记住一句话，跟着产业链走，别跟着概念走。真正吃到肉的，永远是那些在这个生态里扮演关键角色，有真实技术壁垒的公司，而不是那些蹭概念草预期的标的。
905大宝说行情
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
02:47查看AI文稿AI文稿怎么把 deepsea v 四融入到我们的日常工作流？ ok， 从零入门的新手教程来了，我会教你直接把 deepsea v 四塞到 cloud code 里边，看完这期，你不仅能得到一个满血版的 deepsea v 四，还能装好你的 cloud code。 为了尽可能让所有的朋友都用上，我还整理了图版的教程，放到了视频的最后。 话不多说，我们直接开始点用，过程呢分三步。第一步呢，创建 api k， 进入官网，点击 api 开放平台，这里呢，我们需要先充值一些钱，我就昨天和今天大概用了 一千万投肯吧，他只花了不到二十块钱。接着呢，我们要点击这里的 api k， 点击这里创建 api k， 注意一定要复制下来，不然后面你还需要再重新创建一遍。创建好后呢，我们需要打开终端，安装 cloud code command q 回车。然后呢，我们输入这行指令，稍等一会儿，它在安装了，我们来检查一下它是否安装成功呢？输入这行指令， 空格杠杠回车。 好，它已经安装成功了。第二步呢，我们需要下载一个 cc switch 的 gitap 项目，添加刚刚的 api k 就 搞定了。我们点击这个链接，然后进入到 cc switch 这个 gitap 项目，然后往下翻， 如果你是 mac 电脑呢，就安装这个 dmg 的 文件，然后如果你是 windows 的 话，就安装这个 msi 的 文件，然后我们点击这个 ok， 下载完成，然后我们解压，然后拖进去，在应用程序里找到 cc switch 这个软件，双击打开，我们点击这个加号，找到 deepsea， 往下翻，把我们刚刚的 api k 填到这里。 在主模型这里呢，要用 deepsea 微斯的 pro 模型，索尼 oppo 用 deepsea 微斯 pro 的， 它空就是默认模型，它一般回答一些简单的问题，我们用 deepsea 微斯 flash， 主打一个性价比。点击添加， 点击启用。我们回到终端，建一个关于 cloud 的 专属文件夹，在终端输入 cd 空格， 然后把这个文件夹拖进去， ok， 回车。接着输入指令， cloud 回车，选择一下我们终端的颜色，回车，选择 yes， ok， 可以 看到配置好 deepsea v 四的 cloud code 就 已经安装好了。我们点回车，点击 model， 我 现在已经配置好了 deepsea v 四，我们左右键可以切换。推理强度有 max 的 建议我们直接选择 max 版本就好了。回车， ok， 给大家跑一个小游戏，我们来一起测试一下是否好用。输入提示词，回车， ok， 看到这个小游戏已经跑好了。这里是 bella 课程选 ai 的 第三十一天，我们下期见，拜拜。
00:49查看AI文稿AI文稿洞比前吃个草，出稿自己长好一个 c 个 v 四更新了，逗老师可以往后稍稍了。专家都来帮助我了，那这出稿不得简简单单？先奔之网高级解锁，给他两个核心主题，年限锁定五年。打开田字格，查看摘药， 快速筛个十几篇文件，导出，查新引文格式，然后来新品鲸鱼这里据说可以媲美国外高级模型，就让小懒来试试，把文件资料给他，让他给咱梳理研究思路和搭建大钢框架， 然后在这填好标题，这些基础信息，把鲸鱼整的研究思路一扔，再把之网整理的参考文献一扔，大刀也丢进去。需要图表数据公式啥的，直接在这勾选。最后一篇逻辑严谨，内容丰富，带图代表的初稿就到手了。不错不错，可以一试。
34爱学习的懒某人
01:03查看AI文稿AI文稿最近 deepsea 微四刚上新，那我必须第一时间去试水凑个热闹啊！不得不说，这新版本是真有两把刷子，配合指令，居然能直接把初稿的 ai g c 率压到零！先拿老朋友豆包整一段文稿 拿去检测一下，那好家伙， ai 率直接飙到九十多，红彤彤的，忒吓人了，赶紧换 deepsea 微四新英雄救场，输入提示词， 再粘贴要修改的内容细节，使用专家模式开启深度思考，关闭联网搜索，这样才能把新手实力发挥到最大。整完后再去复检一次 ai 率，直接干出零，你说离谱不离谱？不过毕竟 v 四刚出生嘛， 还不够稳定，下一次再试就只降了一点点，很拼运气。这个时候就该我们的老玩家上场带低手了，可以选择知网在内的几家主流平台，根据学校要求来， 然后把需要降 a i g c 的 文档丢进去，等几分钟就完事。还得是老玩家，虽然不至于降到零，但是试了几次不一样的结果，都很稳啊！
103小磊师兄
04:06查看AI文稿AI文稿我是红红学电话，最近 deepsea 的 v 四那个预览版出来了，然后我们可以看看他，这一刻我们接入了自己的项目里面，然后我们让他来分析一下股票 一个买卖情况这一块的话，他会有一个推理过程，我会把他那个让他调取我本地的方法，包括微信，嗯，检测信息，然后趋势信息等都可以给拿到，拿到之后根据我的一个提示语去进行 推理过程可能会相对慢一点，让你等一下，大家可以看到他现在是在输出我的一些判断， 当然它的判断是基于你给的提示值去进行判断的，包括这种达芬呀也是，嗯，这种我也是 ai 给的哈。我不不不，作为投资建议，我只是说我们可以把 deepsea 微视及我们的系统进行一个 ai， 一个股票分析，嗯，它怎么分析的？大家可以看一看，然后对比一下，明天可以来对比一下是否正确，嗯，其实它也不一定正确，因为我们作为通过历史数据回测的话， 他也他很多时候也会是有问题的。比如说我之前做的这一块，让他照嗯，我的提速神是初升放量，数量盘整，然后放量突破的，然后他一直都没有选出来。可是我们在二十三号之后， 呃，也是用的是 v v 十的 pro 哈，你们可以看到其实他后续的一个胜率是百分之百，并且收益率也是百分之八点几，所以这块的话也不尽可信，还是主要是自己的一个，嗯， 自己的一个提示语很有很很重要，嗯，就来实现了一些其他的功能。然后我们可以看一下我们最近这个，呃也是不谷状态 a 呃系统，它是具备哪些功能？只是作为呆萌使用哈。嗯，这块的话依然是找到， 找到 macd 拨股的票，然后去进行一些过滤，然后黑名单退市，这些是基本过滤，然后进行现金财务过滤、现金流过滤、推线过滤，然后 ai 的 二次筛选，然后在最终在弹动的时候对即可或者 bar 进行一个嗯 判断。那我前期已经对这个策略进行了一个测试，这个是非 ai 的 情况下进行的测试，大概，嗯，年化的话是百分之一百的样子，但率不是特别高哈。嗯，现在 ai 的 话我们还在跑，但是那个结果不重要，因为也不你，大家也不会用于实盘，那我们只讲 我自己在在最最近学到了些，然后做了些什么吧。然后我最近的话我加了一个，嗯，对那个没有选中的股票去进行一个看，你说我们会有一些原因去删掉一些股票，我们可以把删掉的原因进行一个 嗯分析吧，就盘后分析，嗯，比如说这种样本归归音法，嗯，某一个票在 看他的错杀率，比如说这个我的百分之二到百分之八这一块，因为我有一个测有个要求是在百分之八，那你看错杀率就是在百分之百分之百，而且最近后面三十日的转化达到了百四十几，这一块就错到一，那我们后面的一个归音 都有，都都是百分之百，那后面我可能就需要对对这一块这个方法进行修改就不太好， 主要是讲这个。然后 ai 的 话，之前我在前前面视频有说过，那 deepsea 和 v 四的话，它有一点点的不一样。你这块的话，嗯，也很简单，你去跟这个官网这边做一做，或者说你去咨询一下其他的 ai 的 接入就好了，这块很简单，我就没必要讲。 嗯，其他的看大家有什么想了解的，或者想想学 ai 的。 我现在只是做的非常简单的持续加持续 ai。 那 后面的话我可能会去学一下很前面怎么做啊那些毕竟还是学数学吧，路还很长呢。 嗯，大家关注我后续的课程怎么样？大家就多跟我互动一下，今天就这样吧。嗯。
798红红学量化💋
01:28查看AI文稿AI文稿deepsea v 四出来了，但我要说句得罪人的话，百分之九十九的博主讲的都是错的，为什么呢？先说价格， g p t 四点零读一本三体收你十八块钱， v 四读同样的内容收你两分钱， 不是打折哦，是技术路径不一样，新的注意力机制算力消耗只有上一代的百分之二十七，但我也必须要泼一盆冷水。代码的能力跟目前全球最强的 cloud ops 四点七确实是有差距的。 网上说能完全替代程序员，那是吹牛。如果你只是写周报，读合同，整理会议纪要，它已经是地球上性价比最高的模型，没有之一。 这次真正炸的不是模型本身，是华为升腾九五零首发适配某些推理场景下性能能摸到 h 二零的三倍， 价格也只要四分之一。以前国产芯片叫做可用，现在叫做好用。 我的结论也很简单，如果你是普通的打工人，小老板，运营文案，那么今天就去薅羊毛吧，不要钱一样的。如果你是程序员，那你请等一等，它还不够你的使用。
44桑的Ai日记
05:17查看AI文稿AI文稿现在啊，可以不用被可拉扣的拒之门外了，桌面版可拉扣的直接搭配 deepsea 为四，不用再看命令窗了，今天这条视频把完整配置流程全给你扒出来，手残党也能一次成功。没耐心的我已经整理好文字版教程了，大家按需参考。 首先啊，我们要先去安装 cloud 的 桌面版本，打开 cloud 以后啊，我们可以看到 getstart login 之类的页面，先不要进行登录操作 这一步啊，我们先开启 cloud 桌面端的开发者模式，开启之后呢，菜单里才会出现第三方推理配置的，介入 macos 顶部菜单栏操作，点击最上方菜单里的 help， 点击这个 trouble shooting， 再点击 enable 开发者模式。 弹窗出现后啊，我们直接点击 enable， 这时啊， cloud 会自动重启。重启完之后啊，我们再看顶部栏，这里啊会多出一个 develop 的 入口。 ok， 我 们继续来啊，下一步我们就点这个 develop， 进入这个 configure third party inference。 先别着急填内容啊，把这个配置窗口打开。 首先 inference provider， 这里我们选择 getaway base url 呢，就根据你想接入的大模型来填写，一般的官方接口文档里面都有，我们呢就以最新 deepsec 为例了。 然后 apikey 呢，就写你的 deepsea 的 apikey 就 行，下面这一项啊，可以先不用改，默认的即可。 接着下面这里 modellist， 我 们点击这个 add 加号，加两个模型，第一个填 deepsea v 四 pro， 第二个呢，填 deepsea v 四 flash 这里为什么我填两个是因为我把 pro 放在第一位，这样呢，它就会成为默认模型， 再加一个 flash 呢，作为更轻量级的备用模型。提个醒啊啊，如果你想让上下文火力全开的话呢，可以在名称后面加上， 然后下面这个 organization u i d 这里呢，可以先留空，这个呢是不影响你去接模型的。然后 credentials 这里呢，也是给企业做动态凭证用的，你也用不上。 然后这里啊 skip 这个出错，这里要选择打开这一步呢，是很重要的，这样重启以后呢，就不会再走 cloud 的 登录流程。 好，全部设置完，我们点击这个 apply locally 本地话，这时客户端就会重启。 如果配置生效呢，就不会再要求你登录 cloud 的 账号了，而是直接进入第三方推定模式。 我们来看一下啊，这里是没有登录 cloud 账号的啊，它已经进入三方模式了。看到左下角这里显示 cowalk 三 party getaway。 右下角这里的模型呢，也默认的变成了 deepsea 四 pro。 好， 那我们来验证一下，看它是不是能够直接调用 v 四。 现在我们切到 cloud code 的 工作区看一下啊，右下角这里它显示的模型依然是 deep seek 四 pro， 左下角呢，也仍然是 cooke 私人 party getaway。 这说明呢， cloud code 的 桌面版现在已经是在不登录 cloud 的 情况下通过第三方网关调用了 deep seek 的 大模型 啊，那我们为了验证他不只是界面切过去，而是他真的能工作。我现在呢，给克拉克挂一个本地测试目录。好，首先先关联我在桌面新建的测试文件夹，现在我给他一个非常简单的测试任务， 只允许他操作当前项目目录，先读取目录，再创建一个 hello 点 txt 的 文件，这样呢，我们就能验证克拉扣的是真的，通过 deepsea 完成了本地的代码和文件操作。 那这里第一次让克拉扣的操作本地目录的时候，会弹出一个工作区确认确认，因为他之后要读取写入甚至执行这个目录里的内容。这里啊，所以我们需要手动信任一次。 好，挺快的啊。这里他已经有完整的反馈了，我们去看一下这个文件夹里面是不是已经有输出了。 ok， 看到他的输出了，搞定。 好。那总的来说啊， cloud code 呢，一直是页内标杆类的存在，只是以前很多人卡在账号这一关用不上。现在啊， dbc 维斯出来以后啊，通过第三方网关接入，我们就可以实现强强联合。 前端呢，用的是 cloud 的 桌面端和 cloud code 的 交互体验。底层呢，代用的是 deepstack v 四的模型，能力对很多没有 cloud 的 账号或者是想灵活使用模型的人来说，还是很值得尝试的。 至于说 deepstack v 四能不能和 opps 四点七一战，你们呢，自己动手试一下，有结果的话也来告诉我。好，本期视频就到这里，希望能够对你有所帮助。我是阿月，我们下期再见。
1263阿悦很严格