我用国产的 web 克令工具，然后配合国内的大摩天 dvd 为四做了一个量化交易的呃工具。呃，现在整个量化交易的系统呢，已经全部呃比较完善了，包括那个策略的编制，然后因子的挖掘，全生命周期的管理，然后到选股实施选股。呃， 然后呢我们对自己的策略或者是因子呢可以进行回测啊，进行回测。这两天呢，我们，嗯正在对自己的第一个策略进行进行那个啊量化的一个处理，嗯，然后对回测数据比较好的 策略或者多因子多因子组合呢，我们会把它部署到我们的模拟盘里面去啊，部署到部署到模拟盘里面去去自动去执行。那模拟盘里面呢？策略呢？我们可以对策略进行进行一些管理，嗯，然后也可以部署一些新的策略， 我们可以把因子多因子和策略啊，传统的选股的策略和多因子组合进行一些啊编制，嗯，然后我现在正在我选择的第一个， 嗯，策略就是这个啊，空中加油的一个，这是我们传统的交易模式里面的一个，嗯，比较经典的打法，他，嗯比那个就是有资的涨停敢死队的方法比较更加的，嗯，接近趋势和就是没有那么激进的一种，嗯， 方法，但是它的效果还是蛮好的，在实战的时候，就是啊，实际实际上操作的时候，他可以对一些啊，比较强势股，对，嗯，就会比较能挖掘出来啊，当然了这里面也有一些可能会引起亏损的一些规格。那我们会在实际在交易的时候呢，那我们就会啊，根据各股的这种表现啊，形态啊，对它进行选择，然后 我们呢会尽量的，就是啊，想法呢，就是用量化的方法能够啊吃到后面的涨幅，但是规避掉啊，盘中被洗出来的这种问题。我们在如果我们用嗯就是 炒股软件去去测试他的无论是成功率啊，还是还是一些那个基础的数据，我们觉得他整体的表现是非常不错的。嗯 啊，利润整体的利润表现都是非常不错的。嗯，即使以今年今年的数据来作为参考啊，但是呢我们现在遇到了一个很大的问题就在于啊，我们如何把传统的啊，传统的指标进行量化处理啊，那量化处理以后我们的结果呢？我我大概测试了一下 啊，回测了一下，回测了一下，我们回测的方法呢，也解决了这个啊，交叉验证的啊，随机随机验证的这个选择，那时间周期呢？我们进行，然后我们可以呃采取这个策略啊，用不同的策略和这个多因子组合的方式进行回测，但是我们测出来的结果呢，跟我的预期差异非常大。 嗯，今天呢我们主要想介绍一下，就是就是我们呃讨论比较多的，这个很多人认为啊，我用量化工具没有办法 帮助我实现盈利，就是你用自动化的交易工具啊，你，你自己去编制一些策略啊，没有办法去营去盈利，因为我们的方法，我们跟机构的这种，嗯，多因子的这种挖掘， alpha 因子的挖掘还不太一样啊，我，我个人觉得就是从我作为股民的角度去考虑这个问题的话，我是认为从传统的啊 方式里面去挖掘这些因子可能是一个比较务实的啊，也是很多机构在用的一些。嗯，方式，嗯，其实从过去就是我们，嗯很多传统的因子到现在也一直在使用着，但是我个人呢就觉得我们是必须要嗯 把量化的思路跟我们过去的啊，做股票的一种习惯和方法要进行结合，嗯，进要进行一个一定的就是规范， 只有这样的话才能够应对。现在就是量化交易对于我们整个市场的啊影响，因为量化交易已经重塑了我们整个市场，如果你还是用传统的这种方法的话，我觉得是，嗯可能会被吊打， 嗯，我们也我们也知道那个像机构他们挖掘因子的话可能都是数以万计的，然后这些因子的话也在不断的失效。其实我们传统的方法也是一样的啊，也是要不断的去升级的。如果你，嗯， 就像我们前段时间很多油脂反应啊，现在打板已经不灵了啊，打板的方法已经为什么没有没有超额的那种收益了。嗯，其实我们如果从啊量化交易的就是量化的角度去考虑这个问题的话，嗯我们就会发现什么呢？就是，嗯，举个例子吧，就说展厅干死队他们的方法， 嗯，用量化去去去考虑的话，他是什么样什么样的一种东西呢？他其实，嗯，我们可能会说，啊什么啊，什么二板钉龙头啊，可能要找市场最强的龙头啊，不要去抓杂毛呀。其实他在呃可量化的， 可量化的这个角度去考虑的话，它其实可以被裁剪为非常多的因子，这些因子的话啊，本身是不是具备一定的预测能力？本身具备一定的，呃呃，在 r c r 二的方面可能表现的本身就比较好。 嗯，那比举个例子吧，比如说像啊，我们市场抓整个市场的情绪啊，会推动龙头去快速的上涨啊，连续的上涨啊，那它的动量是比较充足的，那我们把它裁剪成 机构的因子，他可能就是啊，就比如说短期的动量因子啊，涨停涨停基因的因子呀啊，或者是封板封板因子呀啊，封板强度因子呀，那这些这些因子可能机构他们已经也在挖掘， 那这些挖掘出来的因子，他们进行组合用，用一些啊，统计学的一些神经学的一些方法啊，递进的那种学习方法，进行不断的组合以后， 他们会从里面找出来这种超额的收益，那找出来这种超额的收益的话啊，就会使这些因子就是大量的资金涌入到这些涨停板里面去，那可能传统的这种涨停涨停的这种思路可能就就会慢慢的开始失效，方法开始失效，你必须要再再去寻找新的方法。那从量化的角度来考虑的话，就是你要再去寻找新的因子 啊，这种阿尔法因子能够啊，能够在短期内啊获得比较好的那种 ic 值。嗯，真正的啊是可以可以预测获得超额收益的啊，这一部分因子， 那这个就是啊量化对我们传统的这种交易的影响，所以我们如果就是不使用量化工具的话，或者你对电话完全去摆脱，还用过去的方式去做股票的话，我觉得是有问题的。嗯，但在实战中到底什么样子，我们还要不断的摸索啊。 这话再说回来，我们这个叫我们这个系统，我们系统的话现在整个流程已经全部都走通了，虽然界面非常的粗糙，嗯，用起来很难用啊，但是整个完整的流程就是实战流程，我们是已经全部跑通啊，现在我们开始挖掘这个，就是把策略啊，传统的颧骨策略，把它进行啊，因子化、多因子化或者是量化，嗯， 这样去做，但是非常困难，大家啊，我反正需要，嗯，慢慢的去，一步一步的去，嗯，了解这个原因，然后一般一步一步的去改善，直到能够啊，在这些里面去就是利用传统的这种公式，传统的这种啊，效果很好的这种啊，这种， 嗯，思路里面去挖掘出来可以啊，用于实战的啊，用于用于自动化交易的这种啊策略，嗯，这个是我未来一段时间要做的事情， 大家如果有什么好的选股的思路和方法，或者是你能够在实战中确实是能够长期稳定盈利的，那它背后一定隐藏着很多啊，就是数学上的啊， 那种金融，金融学，从金融学或者从数学上它是可以解释的通的，它一定是有，背后一定是有比较深层次的数学原因的。那我们把它挖掘出来啊，重新进行组合，就可能会获得一些稳定的啊，超额收益。
粉丝1624获赞3094
相关视频
02:51查看AI文稿AI文稿deepseek 终于发布了新版本 v 四，确定支持华为升腾芯片，官方表示性能比肩顶级闭元模型 agent 能力大幅提高一百万上下文成为标配。 ai 圈子里的人夸疯了，行业外的普通人看了新闻却还是有点懵，啥意思？ 至于吗？一年多以前， deepsea 的 巨大行业意义，不搞 ai 也都能理解。中国在开局落后美国大模型技术两年左右时间，同时还被美国出口管制，封锁了芯片算力的情况下，终于出现一个天才选手，想出办法用较少的芯片算力训练出一个世界前沿的强力大模型，而 而且还开源，相当于他们开了一家特别好吃的馆子，不仅对所有顾客免费，还将关键的原材料、配料表做法公开。然而现在其他国产大模型多了， deepsea 这次还有那么惊艳吗？先说一个好理解的， deepsea v 四憋了这么久，是在憋一个之前没有国产大模型真正跑通的事情， 跟国产芯片做全面适配。其实 ai 公司和英伟达、 amd 的 合作不仅仅是买芯片，发布大模型前一般还需要提前把模型给它们做性能优化优， 有点类似于国产手机厂商跟沟通的合作关系。然而有外媒报道，这次 deep sec 之所以推迟了 v 四的发布时间，就是因为给了华为和韩五 g 这个早期的访问权限，花了几个月和华为韩五 g 合作，重写了模型底层代码的部分模块，来确保 v 四能在华为最新的升腾芯片上流畅运行。 其实去年 deepsea 刚刚横空出世时，曾经尝试过绕开英伟达，可当时客观条件还不成熟，反复失败后最终放弃了全面使用国产芯片的计划。但这次 deepsea 等到了刚刚公开亮相的华为升腾九五零 pr， 这件事一旦跑通，对整个中国 ai 大 模型、中国芯片的意义可以说是无法估量的。 一方面在军事、政企、金融这些相对敏感的部门，可以实现绝对意义上的全链路 ai 国产化，而且不影响性能。另一方面， gpu 的 特性决定了国产芯片一旦可用，就有机会在支撑较低的情况下，通过堆叠来解决算力问题，美国出口管制带来的消极影响将进一步降低。 如果这次 v 四的性能确实如传闻所说在长上下文编程任务上能和 cloud check gpt 掰手腕，那未来通过国产算力就能用上前沿模型，不用再担心美国芯片出口管制的影响。其实从适配国产芯片这件事上可以看出， deepsea 真正的意义从不仅仅是为中国人争一口气， 而是从更专业的角度拓展整个中国 ai 的 可能性，推动整个行业的发展。出了芯片， deepsea 在 去年的基础上进一步抬高了开源的标准，通过它可以看到中国大模型路线开始完整的成型， 不是单点追一个最强的跑分分数，而是把开源、低成本 agent、 国产芯片、适配基础设施公开这些东西捆成一整套方法。论圈内之所以热忱地追捧 deepsea， 是 因为它是极少数不被日活流水估值捆绑的中国科技公司，在它身上确实能看到新一代中国科技行业的更多可能性。
1.2万X科技实验室
09:27查看AI文稿AI文稿本期视频来分享如何将 deepseek 的 vs 模型接入 cloud code， 并解锁 em 的 上下文以及 max 思考等级。我目前已经将 deepseek 的 最新模型 vs flash 和 vs pro 通过 ipad 的 方式来接入了 cloud code。 vs pro 模型在降价之后性价比也越来越高了，并且对 a 键的也有做专门的适配， em 的 上下文对于大多数人来说也更加友好。 视频内容主要分为四个部分，第一需要先安装一下 cloud code。 第二，安装开源工具 c c switch。 第三，需要购买一下 deepsafe 的 api 并完成配置。最后再来测试一下 deepsafe。 v 四 pro 加 cloud code 这套组合表现怎么样。废话不多说，我们现在开始 首先来说如何安装 cloud code。 大家常说 cloud code 经常被封号，那其实封的是拥有模型能力的个人账号，但 cloud code 作为一个单独的软件是可以正常下载和安装的。 没有订阅官方的模型，我们依旧可以使用它的框架当成是 opencloud 或者 hermes nint 这种。在他们的项目官方网站这里也有明确的说明。终端 cli 和 vs code 也支持第三方提供商。 本期视频演示的是安装 cio 版本，也就是最通用的版本。这里有一行中的命令，它支持 macos、 linux 和 windows 这几种不同的系统版本。 windows 这里分为 power shell 命令和 cmd 命令，并且 windows 用户需要先下载安装下 get， 如果没有安装的话，可以到 get 的 官方网站下载安装包进行安装。 这里复制这一行命令，然后打开终端 app 或者 power shell， 输入他们提供的命令回车执行就可以了。我这里已经安装过，所以不再演示具体的步骤。安装好之后可能会出现一个提示，大致意思是安装已经完成，但是 control 的 安装位置并没有加入到电脑的环境变量中。 这里直接复制这行他提供的命令，在终端执行一下，搞定之后输入可拷的 code 杠杠微刃来确定当前的版本号。后续使用的话，直接在终端输入可拷的命令就可以打开了， 但是你那里可能会提示不能连接官方服务。接下来我们来安装第二个工具 cc switch。 cc switch 是 一个开源工具，它能够让 cloud code codeys、 opencloud 这类的 a i a 检测，方便地切换模型。累计下载量有三百多万，在 github 上面也有五万多个 star。 它有很多实用的功能，比如一份配置同步到多个应用，支持热切换，不需要退出应用切换模型。还有用量仪表盘，能够查看你的请求数和头克用量等等。 我们在项目的首页这里有一个已发布的安装包链接，点击进去，然后在这个界面直接划到最下面。这里有很多的安装包版本，如果是 mac os 系统就下载这个 mac os 点 dmg 的 版本，如果是 windows 就 下载这个版本。下载好之后直接点击安装包进行安装就可以了。 它这个项目的说明文档也有比较详细的安装教程。第三步，到 deepstack 的 开放平台购买 api。 我们来到 deepsafe 官网，点击 api 开放平台，我这里之前已经充值了一些，在网页和 deepsafe 对 话是完全不收费的，但是想要调用 api 就 需要进行充值。他们目前没有推出类似 tokpline 这样的按月订阅的套餐，好处就是用多少花多少。 目前他们对 v 四 pro 模型打二点五折，每百万 tokens 缓存命中情况下输入是零二五元，未命中是三元，输出是六元， 这个折扣目前是到五月三十一号截止。 v 四 flash 模型和 pro 模型的价格对比可以在官方的 api 文档里查看，这里点击充值按钮，然后选择金额和支付方式。建议先小额买一笔，用完之后根据自己的实际使用情况再进行补充购买。 付款完毕之后，点击左侧的 api case， 点击创建，然后复制这个 key 的 密钥， 注意这个 k 的 密钥只能够在创建的时候查看，关闭这个页面就看不到了，如果丢失的话，就需要重新创建一个 k， 然后打开 cc switch 这个应用。我这里已经添加好一个 deepsea 的 模型了，选中这里的 cloud 的 图标，然后点击添加， 在预设供应商这里找到 deepsea， 在 api k 这里填写 k 的 密钥，然后这里需要修改一下这几个模型，可以直接参考我这个填写 默认模型就是 deepsafe。 v 四 pro 后面加上 em 是 因为之前的公告有说明，这样才能够开启 em 的 上下文，然后点击添加就可以了， 这里就会多一个 deepsafe 的 模型，点击这个按钮来测试当前 api 是 否可用。点击这里可以配置用量查询，查看当前还剩多少余额， 勾选这里，然后点击保存配置，这样的话就能够看到还剩下多少钱了，然后点击起用，就能够正常的使用可绕的扣子了。左上角有一个设置按钮，通用，这里建议打开开机自启使用统计，这里也能够查看 ai 模型的使用情况和成本。 我们打开终端应用，输入可绕的指令，那这个呢？就是 deepsea v 四 pro 的 模型，并且是一百万的上下文， 我们输入指令斜杠 context 能够查看，这里确实是一百万的上下文 tokens。 这里的默认思考等级是 medium， 可以 使用命令斜杠 effort， 然后空格后面的话就会显示哪些等级可选，这里输入 max 回车确认，这样的话思考等级就会调到最高。还有一个命令可以快速的切换模型， 输入斜杠 model， 然后回车。默认模型其实就是 v 四 pro， 我 们之前配置的 apps 和 sonata 都是 v 四 pro， 嗨酷模型是 v 四 flash， 通过键盘的上下按键来选择，选中这个模型，然后回车确认， 这样的话模型就切换到了 v 四 flash， 这里输入命令 context 能够看到它的上下文，显示是两百 k 的 tokens。 最后一部分来测试一下 cloud code 搭配 deepsea v 四 pro 到底贵不贵，干活效果怎么样。 首先说一下，它是基于文件夹的工作模式，所以你需要先通过 cd 命令跳转到你想要它打开的文件夹，比如我的项目文件夹的路径是这个，就需要输入屏幕上完整的指令回车，到了这个文件夹后，输入 cloud 的 命令来启动它， 如果路径很长的话就比较麻烦。有一种方法可以简化一下， windows 用户应该可以直接在文件夹右键从当前文件夹位置打开终端， mac 用户右键的话是没有的，但是可以直接将文件夹拖拽到终端 app， 那 当前终端打开的文件夹就是这个项目文件夹， 输入 cmd 命令，可以查看当前文件夹的路径，然后输入 cmd， 启动 cmd 的 code。 第一次打开的时候需要确认一下这个文件夹，点击 yes， 后续退出的话需要连按两次 ctrl 加 c。 这里安装一个归藏老师最近开研的一个 ppt skill， 设计是比较美观的。 来到他的项目仓库，这是一个电子杂志风的网页 ppt skill， 纯网页形式，适合线下分享，但是不适合培训课件。这个 skill 的 名称叫做归藏 ppt skill， 这里提供了多种的安装方式， 最方便的就是直接复制这一段话，然后发给 ai， 选中这一段话， command 加 c 复制，然后来到 kol 的 对话界面， kol 加微复制，然后直接发送。 kol 在 执行任务过程中会需要一些权限的许可，遇到的时候直接选中 yes 就 可以了，它的框架对于安全保护还是比较好的。 整个的执行过程我就直接跳过了这里提示安装好了触发词，就是帮我做一份杂志封的 ppt。 ok， 我 在这里输入这句话，然后告诉他要做的内容就在当前文件夹中。在当前的项目文件夹中，我放入了一个 mail 文件， 内容是关于 code 的 使用方法论，然后回车执行。他会先查看项目文件夹的内容和 skill 的 使用说明，执行过程中可能会问一些问题，根据个人的需求选择就行。 我这里也跳过过程，大概直行了六分钟左右，一共生成了九页 ppt， 并告诉了我每页的布局和内容，以及怎么操作。 ok， 我 们直接打开浏览器来查看一下这个网页的 ppt。 这是第一页 codex 的 方法论，整体的设计风格确实是比较美观的，如果是个人制作的话，可能要花费比较长的时间，并且效果还不一定有他这个好。 第二页这里的话可能会有一点点问题，下方的文字有一部分被遮挡了，后面的页数大家可以具体去看一下内容觉得怎么样。 最后再来看一下安装这个 skill 以及制作这九页的 ppt 一 共花费了多少钱。 我在做之前是九点八九的余额，刷新一下网页，那现在还有九点三九的余额，一共是花了五毛钱。这里有一个每月用量的图标，展示每个模型花了多少钱。下面也有 token 的 使用详情，包括输入和输出的具体数量。大家觉得 deepsea v 四 pro 的 性价比怎么样？
2.4万小陈同学c_z
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。
1725程序员Mars(创业中)
01:51查看AI文稿AI文稿如何在 vs code 中使用 cloud code， 并且接入最新的 deepsea v 四模型？首先打开 vs code， 点击扩展，搜索 cloud code， 选择第一个，然后点击安装，安装完成后，右上角会出现 cloud code 图标， 点击图标弹出 cloud code 页面，首次打开时会提示登录账号，如果没有账号，可以通过修改配置。绕过登录按键盘 c t r l 键加逗号，弹出菜单，选择 extensions， 选择 cloud code， 点击编辑配置， 粘贴这两段参数，然后保存，这样就不会再提示登录了。那么该如何接入 deepsafe， 打造自己的 agent 呢？我们需要用到一个第三方工具 cc switch， 打开其 github 地址，然后点击 releases， 然后找到安装包下载地址， 这里我们根据电脑的系统版本选择 windows 五 c， 点击后等待下载完成，然后安装即可，因为我之前已经安装过了，就不再重复安装。然后打开 c c switch， 点击右上角添加， 选择 dipstick 下面的信息，默认只需要填入 apikey 即可，也可以根据实际需要修改其他参数，比如模型、版本等。 如何创建 deepsafe 的 apikey， 在 这里就不过多介绍了，很简单，网上教程也很多，登录 deepsafe 官网注册一个就行。然后将 apikey 复制粘贴到 cc switch 中，点击添加即可。这样就全部配置完成，开始使用你的智能题吧。
600十年码上漂
05:39查看AI文稿AI文稿hello， 大家好，我是肖少，今天给大家分享一下 codex 怎么接入 deepsafe v 四 pro 的 模型，我看网上都是分享 cloud code 怎么接入 deepsafe 的， 几乎没有分享 codex 怎么接入 deepsafe， 今天我来分享一下。我们打开 deepsafe 的 文档，在接入 a 帧的工具这个地方，我们先看它这个啊， cloud code 库里头 我们一直放到最后是没有 codex 的， 这也就是为什么网上大部分都是分享怎么接入 codex， 因为接入 codex 有 官方文档， codex 接入 deepstack 的 话，我们需要用到两个小工具，一个是 c switch， 一个是 c c x。 这边先给大家安装一下 c x， 找到一个就是自己合适的目录，创建一个 c x 的 目录，我用的是 mac 啊，然后这边是给大家准备的工具，有 mac 的 一个 windows， 然后就把这个 c x 啊放到这个 c x 的 目录里边，然后以及这边有个疑问， 给大家打开看一下，这个英文的是一个配置文件，对，这边是我配置的一个本地的 k 啊，一二三四五六，大家直接用我这个就行，这个是一个本地的 k 啊，好的，我们进到 c c x 的 这个目录，通过中单 最大化，我们给 c c x 加下权限， 然后点杠运行它。好的，这个 local host 是 一个本地的页面，我们在浏览器打开 这时候你第一次进，它会让你输一个密码，这密码的话就是这个地方， 我写的是一二三四五六这个地方啊，你也可以直接用，也可以改一下。对，这边你输入密码之后，然后我们选到这个 codex 啊，我这边是加了一个啊，我教大家怎么加，在这个地方点击添加渠道，大家一进来可能是英文啊，这地方可以选中文。 好，这边点添加渠道，然后这边就输入你的这个 dbc 平台，我们找一下啊， 我们复制一下 d p c 的 这个 base u r， 然后粘到这个地方，下面它还需要一个 api k， 然后在这个地方我们创建一个自己的 api k， 然后给它粘上去就可以了，给它粘到这里，然后详细配置这个地方我们选 open ichat， 这里规范非常建化，这个地方给它打开， ok， 点击创建就可以了。我不创建啊，因为我已经创建过了，下面我们打开 cc switch， 然后我们在这个地方点击添加 这个地方 api k， 就 写我们刚才的一二三四五六啊，就写你自己的那个密码，我这边设的是一二三四五六，然后 api 的 请求地址来我们找一下，是这个 local host 三千杠 v， 然后这边我们获取一下模型列表， ok， 可以 看到获取到两个模型， 一个是 deepsea 微斯的 flash， 一个是微斯的 pro， 我 们直接选微斯的 pro 就 可以了啊，往下滑一点，把这个一照，上下文窗口点上，然后点添加即可，我这边就不添加了，我已经添加过了，添加上之后，然后这边点起用， 这就可以关闭了。当我们配置完成之后，这个时候你重启你的 codex， 这时我们进来的话，它就是使用 deepsea 大 模型，来我们给它对话一下。你好， 来我们看一下啊，这边可以看到模型使用的是 deepsea v 四 pro， 没有问题啊，这样 codex 就 可以直接使用 deepsea 的 v 四 pro 模型了啊，你也赶紧去试一下吧，记得回来交作业。好的，下面给大家说下第二个问题，这个地方的名字怎么改？ 然后打开它的这个配置文件啊，它的配置文件是在这个 user 目录下的这个 codex。 哦，它是一个隐藏目录啊，这个要打开，进来之后找到它的这个 configure html， 然后我们打开 好，默认的话是 custom， 然后我这边是给它改了三个地方，一个这个地方使用的地方 改成 d p c， 一个是这个 name， 这个你们可以改成自己任意喜欢的单词，改完之后重启一下你的这个 codex。 下面第三个，我说一下它这个对话怎么给它删掉，我们右键之后发现它没有删除，只能归档， 然后归档之后它就可以删了。然后我们怎么删呢？在这个地方还是这个 directx 这个目录下面找到这个目录，然后进来就可以看到，这个是我刚归档的日常对话，这个地方我先不删，给大家验证一下。归档完之后它会在这个地方 已归档的对话。对，你可以取消微档啊，我们不取消微档啊，我们直接给它删掉 删除。哎，我们这个时候再进来验证一下。 嗯，暂无给他聊天。好的，这就是本期视频的全部内容，我们下期视频再见。
1646星野無上
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。
9249第四种黑猩猩
00:52查看AI文稿AI文稿在 cloud 中接入 deep sec v 四，直接使用 cloud， 用不了？别慌， deep sec v 四是刚发布的全新大模型，在数学 stem 竞赛型代码的测评中， deep sec v 四 pro 处于领先水平。现在有个完美方案，在 cloud 中接入 deep sec v 四，直接使用 cloud。 安装完毕后，再登录界面，点击左上角，在 help 中打开开发者模式，在开发者模式中选择进入配置， 在这里填入你 deep seek 的 信息。这里需要注意下方需要手动填入 deep seek v 四的模型名称，否则只能加载 v 四之前的老模型，填入后选择确认同意。 右下角可以看到我们添加的模型，现在可以正常对话了。关注我，带你学会更多 ai 内容！
3.4万九机实验室
00:48查看AI文稿AI文稿本期为广东某企业定制部署 deepsea v 四 flash 大 模型解决方案，模型采用 a n t 八精度落地，依靠全球海量船运行业数据训练物流行业垂直大模型。整机采用四卡工作站机箱，搭载双路英特尔志强金牌六五四二 y 处理器， 四十八核九十六现成锐屏，至高四点零 g， 配备八根六十四 g d d r 五五六零零内存，整机五百一十二 g 超大内存，完美满足模型 e m 超长上下的运行刚需。 搭载四张英伟达 rtx pro 六千专业工作站显卡，整机总显存高达三百八十四 g rtx pro 六千原声，支持 f p 四精度，可完美适配 deepseek v 四 flash 模型超长上下纹以及混合注意力架构与量化推理需求。
1501AI智选汇（戴普）
06:42查看AI文稿AI文稿我给 deepsea v 四量身定做了一套衣服，现在它不仅完美适配 max 思考模式，还能让纯文本的大号模型也拥有视觉能力。另外操作电脑、编辑文件、连接社交平台这些都不在话下。 这只小金鱼发布已经一周多了，网友实测它重回开源第一，甚至能跟贵几十倍的对手摆摆手腕。但随之而来的是争论。这个天才好像有点偏科，视觉和聪明二选一， api 接入频频报错，配置麻烦。 这好比你可以花五百块买一个新款 iphone， 想要正常使用却得折腾一番。所以过去一周，我给 deep seek 做了超多的优化，补齐了短板。 no one knows， deep seek better than。 这个视频就给大家分享分享我这几天都做了什么。 也许你还记得，去年梁老板手动做空美股 deepse 二，一能打出那个声量思考模式是最大的功臣。 v 四把这个能力又往前推了一步，新的 max 思考模式变得更聪明了。 可是打开官网并没有这个开关要用，只能接 api。 但是 api 的 思考格式特别难伺候， cloud code 龙虾动不动就抛四零零错误。社区里一堆人在问怎么回事， 原因在于开了思考模式之后，每轮对话都要把上一次的思考过程原封不动发回去，哪怕是空的也得发。但大部分客户端会把空的直接扔掉，导致报错对话断掉。有人测过，复现概率最高能到百分之五十九。 这些问题我这几天在 open henanicle 里基本都处理好了，现在接上 a p i 就 能直接用上。最聪明的小鲸鱼。 这次 deepsea 官方主打的另一个更新是一百万的长上下文，就算聊很久，他都不会忘记你说了什么。 不过上下文一长，钱就花得更快了。业界普遍会用一个技术叫 k v cash， 原理很简单，前文不变的部分不需要重新计算，一般缓存价格不到正常输入的五分之一，而 deepsea 做得更狠，缓存命中只要原价的百分之一，几乎是白送了。 所以我也对 hanako 做了缓存优化，把不怎么变的系统指令放前面，容易变的时间记忆放后面，保证命中率，配合 deepsea 使用效果最佳。 开头说了 deepsea v 四发布之初，视觉是最大的短板，在大家人均多模态能看图的今天，确实影响榜一这个名号。前几天我为了让 deepsea 看见，给他开发了一个辅助视觉的功能，原理是用别的多模态模型示图，再把结果喂给 deepsea pro 去推理， 调整几天，终于稳定跑起来了。思考、练和输出结果都很像原生的多模态模型，结果官方直接上了多模态版本，还发了个论文，那我这周岂不是白干了吗？ 并没有白干，而且很有意义。官方的多模态走的是小号模型，看图和聪明只能二选一， 而在哈纳扣里， pro 也能借助外置视觉看图。而且我读了那篇论文之后，捞到了一个很好的思路，很多外界视觉方案本质上是先把图片翻译成文字，再去推理，说左边那个中间偏上，说着说着自己都指不清了。论文的做法是把对象和位置变成坐标锚点， 让模型指着坐标去想。我就把这个思路用到了外界视觉方案里，让识图模型按坐标格式输出，关键区域再交给 pro 推理，空间关系比得更清楚。 这也是我觉得开元社区最有价值的地方，成果一发布，立刻就能给别人新的工程启发。这套方案也不只是给 deepseek 用，任何没有视觉能力的模型接上就能看图。 到这里，思考，模式拉满了百万上下文也跑通了，视觉补上了这只小鲸鱼在 open hanako 平台上基本没有短板了。 那问题来了，旧的模型要怎么处理呢？爱怎么处理怎么处理？哼！ 说到这，我也想跟大家分享一下。 open hanako 这个软件本身除了给 deepsea 扩展性能之外，我觉得它可能是东半球最适合中国宝宝的 ai agent。 在开发过程中，我发现一个 ai 助手对环境的感知会影响运行的结果，他才知道自己是谁，用户是谁，最近在忙什么？身边有谁可以帮忙， 不然就像一个高材生，被空投到陌生的办公室，能力再强也手忙脚乱。所以我在 hanoq 里做了花名册和记忆系统。在这个平台上， agent 知道彼此的存在。 比如小花知道毛毛是一个擅长创意发散用咪某模型的助手，他就会在审稿阶段主动寻求毛毛的帮助，而非擅长第一性原理与数学，用 gpt 模型的名， 这能让模型潜力发挥到最大，极大减少幻觉产生。当然了，如果你创建了自定义助手，那么系统中别的 agent 也会立刻知道它的存在。更有意思的是，你甚至还可以拉个群，让它们互相聊天。 我的整个青春期都在成都度过，那个地方一年有三分之二的时间都是阴天，所以我喜欢斑驳树荫间透过的丁达尔光，喜欢春天窗台前的倒影纸、笔记本的墨香与温润， 而这些触感都随着数字化消失在我们的生活中了。但有一天我偶然发现，这几年已经有不少人尝试做这种有阳光感的网页了，我想把那个夏天的青草味和蝉鸣搬到屏幕上来，所以我也给哈纳口做了晴天模式，大家试试看吧。 做软件开发的时候难免会遇到一个矛盾，那就是无法兼顾易用性与专业性。 而我觉得理想的 ai 助手应该兼具温暖的人文情怀，和钢铁一样的工作能力，下线和上线都应该保证。所以小花在拥有绝大多数龙虾 hermes agent 的 功能的同时，不需要自己去配置复杂的命令行。 此外，对于有一些动手能力的朋友，我也做了一套健全的插件系统，让它完全可以按你自己的想法定制化。已经有不少小伙伴基于这个软件做了很多很有意思很棒的东西，我看到的时候特别开心，完全没想过它会被这样用。 或许这就是开源社区的魅力，只是我第一次感受到。
2.6万liliMozi
04:27查看AI文稿AI文稿那么最近 deepsea v 四模型上线，它不仅效果好，而且价格便宜。将 deepsea v 模型接入 cloud code， 很多朋友都试过，效果据说非常不错，那么我自己也试了一下， 也是非常的惊艳。那么本期视频呢，我们就来介绍一下如何在 cloud code 里面接入 deepsea v 四模型。我们先来给大家看一看最后接好之后的效果。 打开我们的 plush， 然后我们这个地方输入 cloud， 那 么这里我们看到默认模型就变为了 deepsea v 四模型，并且我们输入 model 也可以看到 cloud code， 几个默认的模型也全都被替换为了 deepsea 相关的模型。下面我们就来介绍一下 接入步骤。按照 deepsea 的 官方文档它这个步骤来进行操作的，那主要分为三步。首先我们需要注册 deepsea 的 官方文档，它这个步骤来进行操作的，那主要分为三步。首先我们需要注册 deepsea 的， 并且获取 deepsea 的 api key， 我们点进去通过手机号或微信扫码登录注册。注册完成之后，我们点击充值测试的时候，我们充值十块钱，一块钱都是可以的。充值完成之后，我们需要点击这个地方获取我们的 e p i t， 比如这里我们创建 e p i t， 我们的 key 的 名称就随便起一个，比如说叫 test cloud code。 一， 我们创建完成之后呢，这里它会显示出你的 api key， 我 们点击完成之后，你一定要将这个 key 保存好，因为关掉窗口之后，我们的 key 它是没有办法再去看见的。那接下来我们需要安装 cloud code， 安装 cloud code 之前，我们得先需要安装 node js， 那 么我们点击进去选择你对应的平台进行下载安装，当你安装完成之后，我们输入 node js， 我 们就可以看到对应的版本号，说明我们的 node js 已经安装成功。 在安装好了 node js 之后，我们一般来说要将 node js 的 镜像源设置为国内的，这样我们在后面我们安装 cloud code 的 就会比较快一点， 我们就复制这行代码进行 cloud code 安装，那安装完成之后，我们通过输入这行代码来验证我们是否安装成功，可以看到我们已经安装成功。安装成功之后，我们就可以输入 cloud cloud code 已经正常显示了， 因为我这个地方刚才已经是接入过 deepstack v 四的，那所以如果小伙伴在自己的电脑里面这个时候去进入 cloud， 它是会显示你当前没有登录，并且你的服务器是无法连接的。那所以下面我们就要进行 cloud code 接入。 deepseek 接入方式其实也非常简单， 只需要将环境变量配置一下就可以，那么如果你是 mac 或 linux 系统，通过这些代码来配置，而如果你是 windows 系统的话，通过这些代码来配置，那通过这些代码配置的话，需要注意配置完成之后，它只是一个临时的生效的环境变量， 如果你把这个窗口关掉，你再次打开 pos 校的时候，你的环境变量还是没有被更新。不，一般来说我们需要全局变量的方式来进行配置，我们通过粘贴下面的命令来配置，这里我们需要通过管理员的方式来运行，那么到这个地方我们的环境变量已经配置完成， 我们可以通过查看环境变量，我们发现这个地方已经有了刚才我们配置好的环境变量。我们再简单的说一下上面这些参数分别代表什么意思。 那首先第一个是 bcyl， 那 这个默认的话是 cloud code 的 它的服务端的 api 地址，也就是你每次调用 cloud code 的 模型都会通过这个地址去调用，而我们进行替换之后，将它替换为了 deepsea 的 api 地址。第二个参数是你的 token， 也就是替换为了我们刚才申请复制的一个 token。 后面的几行呢，都是对应着的模型。第一个是默认模型， 下面三个分别对应着 cloud code 的 三个性能，由低到高的模型，其中这个模型性能最好，下面的话是中等，那么这个模型它是最清亮的模型，它的效果虽然是越来越好，但是 token 的 消耗以及模型推理用时也是增加的。 那在这个地方我们上面分别替换为了 deepsea 的 flash 和 deepsea 的 pro 模型，默认的话我们是 deepsea 的 pro 模型。那最后这个参数我们需要注意， cloud code effort level 就 指我们推理强度到底是多少，这里我们需要注意一定要设置为 max， 因为经过测试下来， deepsea 和 v 四模型，你开了 max 和不开 max， 它完全是两种东西。那现在我们就可以测试验证我们的 cloud code 是 否有接入成功。 比如我们在这个地方打开 power shell 按 cloud， 那 么我们如果看到 deepsea v 四 pro 的 话，就说明我们已经接入成功。此外我们还可以输入 model， 就 可以看到我们刚才分别配置的这些模型。
03:52查看AI文稿AI文稿今天呢记录一下这个在 workbody 里面进入这个 dp 和 v 四最新的一个模型， 然后我们先呃进入到这个 dp 的 官网，我们就看到他说这个 b 四模型已经是刚发布了， 然后具有世界顶级推理性能， a 九的能力大幅提升。然后呢，我们是想要调用它的 api 的 方式来接入到这个呃， oppo 的 平台里面去，这一兑换是免费的啊，那么 api 开放平台这里我们点进去，呃，这里是我已经之前做测试去 来调用过来调用 api 是 要花钱的，进入到这个充值页面的话，嗯，会有一个实名认证，认证结束以后呢，然后你就多少充点钱，完了按照你个人的这个使用的这个习惯，钱充好。然后呢，这里是创建 api 的 key， 创建的 api 的 时候随便选名字吧，要费事。 在创建的时候啊，这个 api 要记得把它复制下来，因为如果你关掉的话，它这个页面就就不能再打开了，等于说这个 key 你 就复，你就不能复制了，所以说我先暂时停留在这里啊，然后这个 他们先说啊啊对讲话。然后这个是我们的 workboard 平台，这里可以看到自带的这个模型，它已经更新到了最新的，也加入了这个宏源模型啊，还有最新的 kpi 电流。那么按照按照它的这个设计的话，它这里是可以直接去配置的， 但是这里面如果配置的话，他没有提供这个 v 四版本的选项，所以说这个方这个方法是不行的。这个配置的方式呢，我认为其实有两种，一种呢是我认为是比较简易的，但是呢稍微有点复杂。第二种呢是无脑的，让这个 work buddy 自己去接入。 好，我下面演示一下。第一种方式的话，就是需要修改到这个 workbody 的 一个系统文件，它在哪里呢？就是我们我们这个随便就是找到它的这个文件夹，在 这个就就这个文件，这叫 models， 叫 gsn 文件，咱们打开一下，我们可以用笔记本打开， 大家可以看到这里面是没有，是没有什么任何的代码，那没有代码就代表着它这里是不会有这个，不会有这个其他的这个模模型接入到这个 bug 的 平台， 这里有一段代码，就说我们要编辑下这个文件，把刚才那段代码复制过来，那么在复制这个代码之前，这里面简单讲讲啊，就是它的一个结构，就这里是 id name， 就 讲的是这个你要模型的名称 跟姓名，还有这是模模型的供应商，还有这个是调用模型的一个一个链接，还有这里比较关键是 apikey， 呃，这里就是我们刚才申请到的 apikey， 我 们打开这里就是复制一下，然后就可以了，然后替换一下， 把这两个替换到这里，好好等一下，这里不能有空格，不能有空格，好，那这样的话就是弄好了，我们把它复制一下， 然后把这个文件全部复制过来，保存一下，好，这样就好了，然后再回到这个这个 work buddy， 你 看我们就看到了这个两个模型已经配置好了，我们随便选一个，然后问他一下，你 深度思考，这个时候他按开我是这个 b 四 pro 模型，这就表示我们这模型已经安装成功了，那么接下来你就可以体验到这个最新版的这个，这个 d、 c 和 b 四的模型。
316屠歌
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。
1453碳基玩家Bryce
03:42查看AI文稿AI文稿其实 cloud code 不 光可以使用它们自己家的模型，你还可以使用各种国产大模型，比如说最近推出的 deepsafe v 四那两个模型，或是 kimi mini maxi 都可以使用，这样的话一个是额度更多，再一个就是更便宜。今天是一期教程，视频分享如何把 cloud code 的 默认模型设置成 deepsafe， 以及如何切换模型。 拢共分四步，第一步，安装 cloud code， 第二步，获取 deepstack 的 a p i。 第三步，安装 c c switch。 第四步，在 c c switch 里面设置一下。首先就是安装 cloud， 我 们打开 cloud code docs 这个网站， 你会看到有很多安装方式，有终端的，终端里面还分为 windows 的、 linux 的 和 homebrew 的， 你可以根据你的操作系统来去选择。我是比较推荐选第三个 homebrew， 因为它比较方便省事，一键安装。我们把这个命令复制到我们的终端里，然后点击回车，大概等个一两分钟它就会安装好了。安装好以后它就会显示 cloud code 的 版本号。我们这个时候打开 deepsafe 的 官网， 点 api 开放平台，你可以用手机号注册，你也可以用谷歌邮箱登录，我这里就选谷歌邮箱了。登录好之后，我们点左边这一栏的 api keys， 然后点 create new api key， 就是 创建一个 api 秘钥。创建好了之后，大家一定要记住先点复制复制到你的备忘录或者是哪里，因为它这个只显示一次，如果你这次不复制的话，你就得删了。重新创建了，我们点复制之后，再在 top up 里面去充值，那你可以先充十块钱的， 这里有两种支付方式，你选一种就行，然后这个 building 呢，就是你可以看账单，你的消耗全都会在 building 这里面体现。第二步完成之后，我们来到第三步安装 cc switch， 我 们在 github 上面打开 cc switch 这个项目，然后我们往下滑，滑到这个下载安装，那 windows 用户你知道它的指示安装就行了。 mac 用户的话 推荐用第一种方法，也是 homebrew 安装，直接把这条命令复制到你的终端，也是大概等个五六分钟，它就安装好了。安装好以后，它这显示 c c switch 已经成功地被安装。然后在启动台里你就能看到 c c switch 这个应用图标，我们点进来以后进去配置一下，我们可以看到上方有很多命令行的这个选择。这个意思是如果你用的是 codex， 也可以 转换一下模型， java 也可以， open code， open cloud 都可以，那我们选择 cloud， 然后点右上角的加号， 你会看到这里面有很多 cloud 的 供应商，有一些预设的供应商，这里面包括很多国产的模型啊，比如说 kimi 呀， mini max 啊，还有 deepsea， 那 我们就在这儿选 deepsea 就 行了。然后在 apikey 这里，我们贴好刚刚我们获取到的 apikey 之后，我们再往下滑，有一个模型映射， 那现在这个主模型还是 v 三点二，但实际上它已经更新了嘛，所以我们手动把它调整成 v 四杠 flash。 那 其他的像嗨酷啊和 sonate 呀，我们都写成 v 四的 flash， opus 就是 对应最高级别的模型，我们改成 deepsea v 四 pro 之后，我们就配置好了。然后我们往上滑，滑到请求地址，旁边有一个管理与测速，我们点一下，看看现在有没有连接成功，点进来以后点这个蓝色的按钮测速，你看到有显示绿色的时间，那这个就是没问题的。那这样呢？我们就已经配置好 deep sec 了， 我们在主界面在 deepsafe 的 这个选项框里面点起用，然后你打开终端，输入 cloud code， 这样你就可以看到连接上了。如果你想改默认模型的话，你就去那个模型映设改一下 deepsafe v 四 pro 就 行了。那现在你再问他你现在是哪个模型，他就会回复你，我是 deepsafe v 四 flash。 这样你接下来所有的对话都可以消耗 deepsafe 的 a p i。 那 今天视频就到这里，让我们下期视频再见，拜拜。 mua。 拜拜。
966一枚卓子
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。
18一川AI
00:15查看AI文稿AI文稿海马又更新了！全新接入 deepsea 微四，你问的再复杂，他都听得懂！精准理解你的每一个意图，速度搞定常文本，你的聪明工作伙伴真的秒懂你！
05:39查看AI文稿AI文稿hello， 大家好，我是肖少，今天给大家分享一下 codex 怎么接入 deepsafe v 四 pro 的 模型，我看网上都是分享 cloud code 怎么接入 deepsafe 的， 几乎没有分享 codex 怎么接入 deepsafe， 今天我来分享一下。我们打开 deepsafe 的 文档，在接入 a 帧的工具这个地方，我们先看它这个啊， cloud code 库里头 我们一直放到最后是没有 codex 的， 这也就是为什么网上大部分都是分享怎么接入 codex， 因为接入 codex 有 官方文档， codex 接入 deepstack 的 话，我们需要用到两个小工具，一个是 c switch， 一个是 c c x。 这边先给大家安装一下 c x， 找到一个就是自己合适的目录，创建一个 c x 的 目录，我用的是 mac 啊，然后这边是给大家准备的工具，有 mac 的 一个 windows， 然后就把这个 c x 放到这个 c x 的 目录里边，然后以及这边有个疑问， 给大家打开看一下，这个英文的是一个配置文件，对，这边是我配置的一个本地的 k 啊，一二三四五六，大家直接用我这个就行，这个是一个本地的 k 啊，好的，我们进到 c c x 的 这个目录，通过中单 最大化，我们给 c c x 加下权限， 然后点杠运行它。好的，这个 local host 是 一个本地的页面，我们在浏览器打开 这时候你第一次进，它会让你输一个密码，这密码的话就是这个地方， 我写的是一二三四五六这个地方啊，你也可以直接用，也可以改一下。对，这边你输入密码之后，然后我们选到这个 codex 啊，我这边是加了一个啊，我教大家怎么加，在这个地方点击添加渠道，大家一进来可能是英文啊，这地方可以选中文。 好，这边点添加渠道，然后这边就输入你的这个 dbc 平台，我们找一下啊， 我们复制一下 d p c 的 这个 base u r， 然后粘到这个地方，下面它还需要一个 api k， 然后在这个地方我们创建一个自己的 api k， 然后给它粘上去就可以了，给它粘到这里，然后详细配置这个地方我们选 open ichat， 这里规范非常建化，这个地方给它打开， ok， 点击创建就可以了。我不创建啊，因为我已经创建过了，下面我们打开 cc switch， 然后我们在这个地方点击添加 这个地方 api k， 就 写我们刚才的一二三四五六啊，就写你自己的那个密码，我这边设的是一二三四五六，然后 api 的 请求地址来我们找一下，是这个 local host 三千杠 v， 然后这边我们获取一下模型列表， ok， 可以 看到获取到两个模型， 一个是 deepsea 微斯的 flash， 一个是微斯的 pro， 我 们直接选微斯的 pro 就 可以了啊，往下滑一点，把这个一照，上下文窗口点上，然后点添加即可，我这边就不添加了，我已经添加过了，添加上之后，然后这边点起用， 这就可以关闭了。当我们配置完成之后，这个时候你重启你的 codex， 这时我们进来的话，它就是使用 deepsea 大 模型，来我们给它对话一下。你好， 来我们看一下啊，这边可以看到模型使用的是 deepsea v 四 pro， 没有问题啊，这样 codex 就 可以直接使用 deepsea 的 v 四 pro 模型了啊，你也赶紧去试一下吧，记得回来交作业。好的，下面给大家说一下第二个问题，这个地方的名字怎么改？ 然后打开它的这个配置文件啊，它的配置文件是在这个 user 目录下的这个 codex。 哦，它是一个隐藏目录啊，这个要打开，进来之后找到它的这个 configure html， 然后我们打开 好，默认的话是 custom， 然后我这边是给它改了三个地方，一个这个地方使用的地方 改成 d p c， 一个是这个 name， 这个你们可以改成自己任意喜欢的单词，改完之后重启一下你的这个 codex。 下面第三个，我说一下它这个对话怎么给它删掉，我们右键之后发现它没有删除，只能归档， 然后归档之后它就可以删了。然后我们怎么删呢？在这个地方还是这个 directx 这个目录下面找到这个目录，然后进来就可以看到这个是我刚归档的日常对话，这个地方我先不删，给大家验证一下。归档完之后它会在这个地方 已归档的对话。对，你可以取消微档啊，我们不取消微档啊，我们直接给它删掉 删除。哎，我们这个时候再进来验证一下。 嗯，暂无给他聊天。好的，这就是本期视频的全部内容，我们下期视频再见。
331星野無上
04:04查看AI文稿AI文稿deepsea v 四怎么用？这条？直接把 deepsea gbt 五点五， cloud opus 四点七， gemini 三点一 pro kimi， g l m 放到一起看，重点看四件事，编程能力，办公场景配合龙虾和爱马仕怎么选？还有价格到底香不香，先说清楚。这条不忙吹， 能用第三方榜单的地方，就先看第三方官方材料，只用来补参数、价格和边界。最后还是落到一个问题，你真实干活时到底该选哪个模型？ 先给结论，编程能力， deep seek 要和 gpt cloud 放在同一桌看，配合龙虾和爱马仕要看端到端交付工具兼容和成本写作和职场文案， kimi 仍然值得看。成本敏感任务， deep seek 和 qn 都要放进后选 deep seek v 四开头，别陷在参数里，普通用户先记四个词，开源长上下文省钱。适合 agent， 它能放更长的代码库和报告，也更适合让龙虾、爱马仕这类工具反复跑任务先看综合能力， artificial analysis 的 外围评测里， deepsea v 四 pro max 的 intelligence index 是 五十二，不是最高， gpt 五点五更高，但它的运行成本大约是一千零七十一美元，明显低于 cloud opus 四点七的四千八百一十一美元。 它的看点不是全面第一，而是成本低很多，还能进入第一梯队。编程能力要看数字。 s w e bench pro 上 cloud opus 四点七是百分之六十四点三，最高 g p t 五点五是百分之五十八点六， deep seek 是 百分之五十五点四。 terminal bench 上 g p t 五点五是百分之八十二点七，最高 deep seek 是 百分之六十七点九。 browse com 上 deep seek 百分之八十三点四， g p t 五点五，百分之八十四点四，差距很小， 所以 deepsea 很 能打，但不能说全面第一。高难推理也别硬吹， g p q a diamond 上 deepsea 是 百分之九十点一， g p t。 五点五是百分之九十三点六， cloud 是 百分之九十四点二， gemini 是 百分之九十四点三，这一项 gemini 最高。 hle 这类难题上， cloud 也更强。 结论是 deepsea 很 强，但高难推理不是它的最强。主场配合龙虾和爱马仕，不要只看聊天体感，要看 agent 能力。 terminal bench 上 gpt 五点五，明显领先。 mcp atlas 上 cloud 更强。 browsecom 上 deep seek 和 gpt 五点五很接近，我的判断是高频任务用 deep seek 空成本，复杂难题用 gpt 或 cloud 都抵。为什么要把 kimi g l m q n。 放进来？因为国内用户真的会这么比。 deep seek 技术报告里也把 kimi k 二点六和 g l m。 五点一放进了对照知识，推理上， deep seek 略高于 kimi k 二点六和 g l m。 五点一放进了对照知识推理上 deep seek 略高于 kimi k 和 g l m 五点一。微信实测里 有 ppt 生成、 pdf 转 ppt、 ppt 翻译、 excel 清洗分析。普通人真正关心的不是回答漂不漂亮，而是文件能不能打开，内容能不能编辑， excel 分 析能不能直接用这类办公实测里， deepsea 在 pdf 重建可编辑 ppt x excel 数据清洗和汇总分析上有亮点，但边界也要讲。 ppt 任务里工具链兼容会影响最终交付，所 对模型强不强是一回事，平台集成和错误恢复同样重要。另一篇国产模型实测，把 kimi、 minimax、 memo、 jlm、 deep sick、 q n 放到五个真实场景里，测长文档理解、代码开发、专业写作、数据分析、调研规划。这个视角很适合普通用户， 因为它不是问谁最强，而是问谁适合什么任务。一句话，没有万能模型长文档和代码可以优先是 deep seek 专业写作， kimi 仍然值得看数据分析和速度可以看 miimo， 低成本批量任务， deep seek 和 q one 都值得放进模型池。 最后看价格，这才是 deepsafe 最狠的地方。 deepsafe 官方价格里， v 四 flash 输出是每百万 token 零点二八美元， v 四 pro 折扣后是零点八七美元， cloud opus 四点七是二十五美元， gpt 五点五约三十美元。 如果每天一千万输出 token， v 四 pro 一个月约两百六十一美元， cloud 约七千五百美元， gpt 约九千美元。所以 deepsafe v 四强在哪？一句话不是全面第一，而是组合权狠狠 开源，长上下文代码和 agent 第一梯队，再加上明显的价格优势，日常高频任务，长文档代码辅助批量分析 可以优先式 deep seek， 关键推理和严肃领域用 gpt cloud gemini 兜底。关注大鳄鱼聊 ai， 后面继续拆 deep seek gpt cloud 怎么选？龙虾爱马仕 codex 怎么配？真实办公和编程任务到底怎么跑？
19大鳄鱼聊AI
