老铁们,历史性时刻啊,在我编写的大模型后端性的测试中, gm 五点一得分超过了 cloud open 四点六,来到了第一名。那么到底是怎么超越的?让我们开始测试, 我们一个一个项目测试来看啊。首先是前端这块,测试下来我发现跟 gm 五 top 差不多,我 我们能看到大象牙膏测试这个粒子效果会好了一些,不过追星屏的材质和光影还是那个样子,以及鞭炮连锁爆炸测试这个极致的效果的基础上,又增加了引线燃烧的这个火花,效果特别好看,当然性能也变得更卡了,陀 飞轮机芯测试感觉甚至空间理解能力有点下降了,但总体而言,前端能力上并没有质的变化,但是后端代码性能可就完全不一样了。测试使用我自己编写的测试框架 vtec 奔驰, 这个框架让大模型从零使用 ras 编写一个限量数据库。有朋友问我,写数据库跟后端开发有什么关系?关系很大啊,从零编写一个数据库,极致的考验了编原理、数据结构、算法体系结构、存储这些各个领域的知识,与操作系统编辑器一样,都是计算机基础软件领域的极大乘者之一。 本次 gm 五点一实现了向量数据库的 qps 刷到了三千九百八十九,而第二名 cloud open 四点六是三千五百四十八,第三名 gbt 五点四 pro 是 三千零九十一,妥妥的全球搜它了。在我之前的测试中,大概只有 deepsea 二一在去年可以达到这种领先的水平。来看细节啊, gm 五点一何德何能可以搜它。先讲一下咱们这个向量,然后在数据库中查找与之相似的向量。 大家能想到最简单的方法就是挨个跟数据库中的限量去做对比,哎,没错,请看榜单,这些得分不到一百 qps 大 模型也是这么想的,这个方法叫做暴力搜索,甚至之前伽马五在测试中也是这么干的。有同学会问了,这怕不是傻子吧,不能用锁瘾吧? 可以的, q p s 一 百到一千这个区间全都使用了倒排文件缩影。倒排文件缩影简单来讲,就是在数据库中对向量进行采样,把这些作为基向量,然后呢,再把跟这些基向量相似的向量放在一块查询的时候呢,先跟这些基向量做对比,然后 再便利这些相似的巨类向量,最后全局取 top n, 这样就实现了缩影结构。又有同学要问了,那这些干到了三千 q p s。 家的妖孽是如何做的?我们先来看第三名 g p t 五点四 pro, 它的优化方案是,感觉数据量太大了, 是用了二级缩影。第一层呢,我们先用一百二十八的聚类数量进行聚类,然后聚类,像浪里面再次使用六十四的聚类数量,在子层再次聚类,总体达到了八幺九二聚类数,我们测试数据足足有一百万条,所以这样做显然能增加速度。 那么第二名的 cloud open 四点六是什么方案?他的答案是,不搞这些花里胡哨的东西。你不是数据量大吗?那 我狙类也大,直接开了个一六三八四的狙类数。 g b t 五点四 pro 虽然锁瘾技术上比较强,但是二级锁瘾带来的缺点就是延迟高,再加上它的狙类数其实也没有打过 oppo 四,所以败给了 cloud。 oppo 的 四点六来到重点了,价位五点一是如何吹普拉朽的?先看狙类数量,价位五点一只有二百五十六的狙类数 少的可怜,但是它使用了量化技术。那么什么是量化技术?简单来讲啊,我们船入的限量都是 flos 三十二格式的,即三十二比特精度。我使用的 cpu 支持 a v x 五百一十二指令级, 其他的模型啊,也都使用了 s i m d 指令级进行了加速,但是加满五点一,把一百万条数据全都量化为了八比特,然后使用下面这些指令级进行了计算。这个指令级的加载宽度是二百五十六比特, 意味着 cpu 一个周期就能计算二百五十六除以八等于三十二个向量。别的模型一次算一个,我一次能给你算三十二个。有眼尖的同学能看到细节, 哎,你这个指令加载的时候是 int 八,怎么计算的时候就转成 int 十六。答案是为了防止精度不足,小数乘以小数,肯定涉及到这个尾数省略的问题,精度提升一倍,尽可能避免四舍五入带来的精度问题。那又有同学要问了,不是,你这个巴比特量化本身是不是也有精度问题啊? 有的,这就是键盘五点一牛逼的第二个地方了。我们测试中要求最终给出 top 十的像素向量,于是他先用巴比特连发数据,然后再拿着 top 两百向量的原始数据进行相似度计算,最后选举最相似的十个。 老铁们学到了没有?就问这一手牛不牛逼?后端提升了这么多啊,那么 a 阵能力有提升吗?来看考研大模型 a 阵能力的归机骑手测试,这个测试我准备了十五个托靠,比如移动 送餐、取餐计算耗时等等工具,让大模型模拟送外卖,看二十四小时之内哪个模型的盈利最多,直接说结论啊! gm 五点一在这个测试中来到了八百零八点一五元,继续维持了 sota 的 地位。从 gm 四点七时代, gm 就是 a 阵能力测试的 sota, 一 直维持到了今天的 gm 五点一。 说一下这个测试的难点,测试要求 ai 最多只能携带五个外卖订单,而当你一搜索订单,发现足足有二十多个订单等待接单,你应该选哪些订单?这个就是测试的最难的点。之前 gm 五的策略是尽可能多接单,于是他在测试中完成了历史最高的订单量 五十单,总体来到了七百三十八点六九元的盈利。而这次 gm 五点一只完成了三十九单,但是他只挑配送费高的送单,均利润能达到二十点七二块,总体来到了八百零八点一五元。 且慢啊!还有更重要的点,他会按照路线分析怎样组合订单才能获得最佳的利润。比如啊,来看他这个思考过程,别的模型还停留在同一个餐馆能不能取两单,而他已经想着 在路上还能再捡一单了。再且慢还有惊喜。这次 gm 五点一我只滚动保留了五十条历史对话进行了这个测试。 gm 五点一达成这个成绩,只用了六百二十一万的头盔,而 gm 五之前花了两千两百零三万的头盔 都没有超过它这个分数,所以 g m 五点一不仅性能猛,而且在只用少量输入的情况下,帮你减少 token 的 同时,还能比 g m 五的性能猛,可以说是探微观之。 当然啊,测试也发现了需要注意的点, g m 五的准时率还是比较好的,这也跟它拥有全部的上下文有关。另外 g m 五点一的 a p i 违规率也比另外两个略高了百分之零点二。总结, 在我这轮测试里,伽玛五点一在后端能力上已经从国产 sota 冲到了和 opus 掰手腕的世界, sota a 阵的水平也是一如既往的国产 sota 水平。 本次测试下来,发现仍然需要提升的大概只有前端细节和美学这些点了,那么这么强的模型难道就没有缺点吗? 有的老铁有的,这次 g m 五点一目前只开放了扣丁普兰,我甚至写脚本去抢了两次都没有抢到,最后我只能找质朴的同学要了个权限来测试。另外我在测试过程中,这个 a p i 啊,尤其是在白天的时候很不稳定,输出速度有的时候会掉到只有十几头根,以及偶尔会有中文乱码的问题。 这个得教大家一招,让 gm 五点一可以先出出英文,然后你再用其他模型翻译成中文,就能规避这个问题了。所以还是希望智博的同学抓紧加点显卡吧,大家有模型用还要排队,真的是难受啊!以上就是本期的测试内容,欢迎大家点赞评论转发,我是牙医,我们下期再见!
粉丝4907获赞3.8万

几千台设备的生命周期管理,十二张数据库表的互相关联,完整的 r b a c 的 全员体系加发货单的审批流程。正常来说,这种企业系统呢,至少要三四个人搞一个多月。但是我刚看到智普刚刚发布了 g m l 五啊,说是开元界的第一个系统架构师的模型。行,那别客气了,咱就试一试。这里我用的是 c c switch 加 colossco 的 方式, 把 colossco 的 底座模型呢切换成了 g m l 五,直接把我整理好的这份 pl 文档呢丢给他,从零开始,看他到底能不能接得住。虽然是用 colossco 的 跑的跑的,但核心模块的逻辑呢,还是 g m 五输出的。 能看到,他先是把整个项目呢拆成了四个阶段,先搭什么,后搭什么,前后端怎么配合排的很清楚。这个规划质量和我之前用原生可拉的 office 做项目的体感呢是差不多的。然后呢,他就开始噼里啪啦干活了。首先是构建 spring boot 的 后端架构, 用户认证,设备档案批次管理,一个模块接一个模块往上加,后端搭完了呢,再构建 nexgs 的 前端,因为工程量确实不小啊,这一步他自己足足写了一个多小时。这个小时里呢,我没怎么管他,他自己呢,就在终端里跑, 先后端再前端,最后生成了出纸化数据库的脚本。用过 a g 的 写过代码的朋友都知道,这个节奏呢,是最考验模型脑子乱不乱的, g m 二五呢,全程逻辑在线,这一点呢,十分难得。前端写完了,最终运行的时候呢,报了个错,依赖版本冲突, 我让他看了一眼,这个报错信息呢,他改了个配置文件,重新安装了一遍就 ok 了,也就是说写了这么久,只修改了一次呢,他就能直接撞起来,想想啊,也是很厉害的。最后后端 spring boot 的 启动成功, api 返回正常数据,前端页面呢,也能正常跑起来。十二张关联表,完整的 r b a c 的 权限体系,发货单、审批状态机,这些呢,全都跑通了。 后面其实就和平时开发项目差不多了,遇到问题呢,就让他去定位修复,你会发现,这就跟一个靠谱的开发同事做极速编程啊,没什么区别。到这你可能会觉得这些不都是正常操作吗?对啊,这就是正常操作。但问题是呢,以前做到这些呢,只有可乐和 gpt 一个柜一个闭园,而且随时都有可能会被封号儿。 现在 gm 五作为一个开源的模型呢,也能做到这样的全载工程能力和这样的质量交付,实在是不容易。而且大家别忘了,从算力底座到上层架构,这可是跑在国产芯片万卡级群上的成本呢,那是绝对可控的。所以,这种能掌握在自己手里的生产力,你们不想去试试吗?

百度的 qq 盘我又续费了啊,原因是今天发现啊它这里加了 glm 五点一,并且还有 deepsea v 四 flash 版本,我再试着用它一个月啊,第一是看它卡不卡,第二呢,再试试它这个 token 消耗的快慢,感觉百度的要比火山的消耗的慢。

国产大模型是不是疯了?春节 ai 大 战真的是一波接着一波啊!前脚这节 cds 二点零刚刚炸完场。昨天深夜,智普直接认出了一个核弹级的产品, g l m 五。今天我不想跟你谈它参数有多大,我只想告诉你一件事,如果你还傻傻的在 club ops, 每个月交二十美刀,还动不动就被封号,今天你可以考虑停手了。还记得前几天 overroad 上那个神秘的 l 法吗?很多人猜测它是不是 g p t 五的小号,因为逻辑太严密。 当时我就纳闷,一个匿名的模型为什么在处理长代码和复查工程师比很多收背的模型还稳呢?昨晚答案就揭晓了,它就是 g l m 五。这就是典型的扮猪吃老虎啊,这东西到底值不值得用呢?抛开那些花里胡哨的参数看,这三点就足够了。第一,它是来抢饭碗的,以前的模型是帮你写代码片段。 g l m 五的定位是 electric engineering, 什么意思呢?就是你把需求扔给他,他能像个真正的实习生一样,自己拆任务,自己写代码,自己修复代码。 你看那些用他做出来的龙虾大富翁千禧年游戏,就已经说明了,他从做题家变成了包工头。第二,他是真正的白菜价。我们不得不承认, cup ups 确实很强,但是那个价格输入五美刀,输出二十五美刀,是给土豪用的。 g l m 五 直接开源价格就有 ups 的 七分之一,而且性能呢?毕竟 ups 四点五对于我们这些个人开发者或者小团队来说,这才是最致命的诱惑。第三,它是全家桶 逻辑,它不光是个模型,它还适配了国产芯片,甚至打通了最近红得发紫的 open cloud。 你 想拥有一个二十四小时帮你收集资讯、解推文,甚至整理 excel 表格的名 免费数字员工吗?现在门槛已经被他踩平了。正如官方的那句狠话,从写代码到搞工程, ai 时代的红利从来不是看谁的模型考了一百分,而是最顶尖的能力终于变成了普通人手中用得起的那把铲子。 g l m 五五 也许不是世界第一,但他绝对是目前最适合中国开发者的第一把铲子。那这个春节,你准备用这把新铲子挖点什么呢?评论区里聊一下? ok, 以上就今天的所有分享,我们下期再见。

给你们看啊,我用 cloud code 制作了一个英语学习的 app, 用的是这个 g o m 五点一的模型,并且在手机上也可以成功模拟测试了。看这里的翻转卡片功能,分级词汇库,还有像影子跟读这些功能都可以用,生成效果很好,就算你没有编程经验,也可以很快速的上手做出一个高质量的 app 了。 今天给大家分享啊,怎么零基础的去使用 cloud code 生成高质量的 app? 我 们主要会用到的一些工具有哪些?我们先准备一下环境啊,去官网先下载 node js, 再下载 git 就 可以了,大概就两三分钟吧。 然后我们来安装 cloud code, 只要一行代码,你在电脑里搜索 power shell, 一定要以管理员的方式运行哈,大家可以参考这个教程终端呢,输入这个安装指令,安装 cloud code, 运行完之后,你再输入 cloud 杠 version, 你 就可以看到这个回复的版本了,那就说明安装成功了。安装好之后我们要配置 api 的 key, 这里我用 cloud code 绑定了 g o m 五点一的模型给大家做演示啊,因为它的编程能力真的是对齐 cloud open 四点六的,而且在开源模型 call 定排名当中非常靠前,目前是开源第一,国产第一。我自己实测下来,我觉得生成 app 的 效果也很不错哎,我们中国团队做出这个能连续工作八个小时的 ai 模型了。 我先说怎么获取 a p i 啊,访问智普的开放平台注册账号,那我选的就是这个 g l m 五点一模型的 coding plan。 登录之后呢,在右上角个人中心页面点击 a p i 的 key, 创建一个新的 api 的 key 就 可以了,然后我们就把这个 api 加载到 cloud code 当中,用这一行代码就可以快速运行。它是一个 coding tool helper, 你 可以理解为它是个自动部署的一个工具,然后你就会看到这个页面啊,界面语言选择中文套餐呢,就选择 g o m coding plan 中国版 api key 就 把你刚获取的复制过来, 随后选择 cloud code, 往下到 m c p 服务,选择解释一下 m c p 啊,它是模型上下文协议,有了它才能让 ai 去外接工具, 比如说去控制浏览器连接你的本地文件,去执行操作。这里我们直接选一键安装所有的 m c p, 最后我们选择启动 cloud code, 给它权限,选择 yes trust folder, 跳出这个橙色界面,你就装好了, 你跟他 say hi, 你 看他就可以回复你。这个时候我再输入杠 model, 你 就可以看到我的模型现在还不是 g o m 五点一。回到官方文档,你会看到要用最新的五点一模型,你还需要配置 json 文件,改一下环境变量参数,这个不麻烦啊,你只要复制需求,直接让 cloudco 自己改, 你看它现在已经在操作了,它标注绿色部分就是改的部分,你选择 yes, 给个权限,它就改好了,是不是很方便?然后我们重新开一个 power shell 的 终端,打开 cloud code, 再输入杠 model, 你 看模型,它就变成 g o m 五点一了。 cloud 的 装好了,我会觉得命令行页面用起来不太方便,所以我还会在下一个 cursor, 它是一个 ai 编辑器啊,配合 cloud 的 开发,它就可以让整个开发过程变得格式化,文件管理也很直观,你看它左侧会显示 app 文件加右侧呢,会有一个 ai 助手帮你 debug 去解释代码的含义, 直接去官网下载就可以,然后你点开里面的 terminal, 然后再输入 call, 启动显示橙色的标识,就是成功打开了。好,那现在我们来做 app 啊,注意不要直接给指令啊,让 g l m 做一个什么什么样的 app。 我 们开始之前先搭一个最基本的 app 框架,框架稳固了,后续才能节省 token 并且避免出错。 怎么建立框架?这里用 xbow, 它呢,是专门为开发打造的一个全能框架,你只需要用这一条指令, npx create xbow 杠 app, 创建 react native 项目,你就有了一个标准的 app 框架模板, 然后他问你 app 的 名字啊,你随便输入一个 my app, 现在你就可以给模型你的详细需求了。为了让 app 生成效果更好,我们把 skills 装一下去,强化模型的开发能力啊,让它的 ui 生成的更加美观。复制下面的代码,我们就能安装 ui skills, 选择安装 building native ui 这个技能,这里选择 cloud code, 选择 project 啊,后续基本都选 yes, 然后你看到 complete, 那 就是装好了,你会看到右侧文件夹里多了一个 skills 文件,点进去你就可以看到具体的技能介绍。 接下来我们重新打开 cloud code, 输入杠 plan, 进入 plan mode 这个功能呢,它是让 cloud 先想清楚怎么做,经过你的确认授权之后再开始干活。那现在我们和 glm 模型去描述 app 的 制作需求,你可以像这样几句话描述啊,如果你希望 app 生成效果更加符合你的要求,建议大家让 ai 来帮你完善一个产品需求文档, 详细的告诉 ai 你 要做什么产品,什么功能,越详细实现效果越好。给他下达指令之后,你可以看到这个 glm 五点一模型在分阶段的设计功能,还有开发方案,他自己规划了五个阶段,每完成一项,他自己会划掉标注完成。我看他运作还是蛮有条理的。 从零给需求你到真正调试做出来 app, 我 大概花了三个小时左右,它可以自主帮你规划交付,基本都不太需要我辅助,我做的最多就是在给它授权,它自己也可以 db 去解决代码的问题,如果它生成的代码你要是不太懂,你想了解一下,你就选中它,右侧 cursor 的 ai 助手就会帮你去解答。 那等你全部完成这个 app 之后,你也可以在手机上实时预览啊。你只要在手机上应用商店下载 expo go app, 随后在终端输入 n p x expo star, 它就会弹出一个二维码,你用手机相册扫码啊,就可以直接打开去实时的在手机上体验了。 你想电脑端预览,就可以点击这个 link, 也可以体验里面的功能了。你像我有单词翻转卡还有跟读的功能,都是可以直接用的。好啦,快去试试看吧!艾特闺蜜好朋友,一起从零到一,搭建一款属于你自己的 app, 有 啥问题可以评论区见!今天就到这里啦,拜拜!

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。

万众瞩目的 deepsea v 四发布了,在上线的那一天,我充值了一些钱,做了一些编程测试,第二天就被官方背刺,疯狂降价。大家好,我是海拉尔编程客。今天的视频我们比对两个国产模型,一个是 deepsea v 四,一个是 g m 五点一,我想把我的测试体验分享给你。 为什么选择这两个模型做测试?一方面是因为我对 g m o 更熟悉一些,用的比较多。另一方面是 deepsea v 四毕竟是一个国民级的模型,我想好好的测一下。在编程能力上属于同一档,都是纯文本模型。 deepsea v 四把国产模型 推向了百万级的上下文。如果有观众不清楚百万级的上下文是什么概念的话,这里可以做一个简单的比方,约了一小时的视频,十一小时的音频, 大概三万多行,代码也是一个中等一些的仓库,大概有七十多万词,一千五百页的文档。我们从这一堆模型里面选出了 deepsea v 四和 gm 五点一来做一下测试,两者重要一些的参数都放在这个表格里面。我们只需要注意 上下文上面的区别, deepsea v 四的尺寸会更大一些,在论文里面也强调了有更多的世界知识,更长的上下文,你意味着你可以塞进更多的东西,做更综合的判断。我的 cloud code 加 deepsafe 的 配置是这样子的, cloud code 加 jlm 五点一的配置是这样子,很好用,拷贝在身边已用很多年。评测肯定会有一些覆盖不全面的地方,不构成对模型的全面评价。我们总共准备了五类场景,第一类场景是 c、 d、 g、 s, 这个环节我选了四个案例,我觉得是可以很好的反馈 模型对这一个三 d 世界的理解的。第二个是前端的审美和设计,第三个就稍微有一丢丢硬核,我们让 deepsea 和 gm 五点一设计一个 python 解释器。第四个是在日常开发过程中,我们经常需要使用 文档来驱动开发,我这里面提供了三个非常有用的提示词,希望可以帮助大家在日常的开发中提升你的开发体验。第五个是我在开发自己写的海扣的过程中,对这两个模型的一些细节上的理解。 我们大致扫验三 d 过山车体式词的结构分为轨道设计,包含爬坡俯冲段、三百六螺旋隧道、陀螺陀风段、 s 弯和这一个回场减速段。这一个非常有意思。 过山车这一个车辆是什么样子,隧道是什么样子?物理与运动相机系统,这个难度系数还是偏高的 好,我们把它都切成第一人称,来跑一圈看一看。这里需要强调的是,右边的 glm 五第一版出来的时候,整木是 垂直的,是竖着的,这里面提醒他一下,他就修复了 deepsea 这一块。一开始在这一边,这一个最高处,在这边有多次旋转,这个是没有设计好的地方,但是考虑到这次 one shot 已经非常完成度已经非常高了。好了,现在是加速,左边已经开始加速了, 我们听声音也可以听出来,他使用 web audio 做了音效的合成。我们可以看到右边这一个很有感觉,这个 抖动的比较厉害,有点像开拖拉机,左边这边开的比较稳,我是感觉比较符合我对 deepsea 的 这一个认识。 deepsea 在 数学这一方面相对来说好一点,左边的 deepsea 已经完成了,右边这一个 g l m 的 小车还在疯狂的前进。好,两个都已经完成了。 三 d 魔方提示词,我们可以看到有魔方的建模鼠标是怎么拖拽的,有打断,自动求写和 ui 界面。呃,魔方,哎,这两个魔方长得还是挺像的 哎,看见没有,我们再在右边给它打乱一下。呃, g m 五这边的魔方好像有点问题 哎,等等, deepsea 这边的魔方也有点问题啊,没有一次性完成 好。这个魔方的介模还是 ok 的 啊,包括右边的这一个就是看起来是 ok 的, 但我估计就是贴图这边应该出现了一个问题,界面上面几乎都是 ok 的, 但是这一个在旋转的时候,它的底层数据结构并没有和贴图上的颜色严格对齐,并且求解器也没有通。 接着我们看一下三 d 俄罗斯方块,分为游戏场景,还有网格,相机视角, 游戏场景方块,控制操作控制、游戏逻辑和视觉特效。这个第三个是三 d 俄罗斯方块啊,这是我开脑洞让他写的。这个左边和右边啊都可以看一下, 我不知道大家会不会玩,反正我可能不太会玩。 嗯, 哎,我觉得 deepsea 的 剑魔啊,它配色好像好一点。配色应该是好一点的,但是这个为什么看起来这么奇怪呢? 嗯, deepsea 这边的 game over 的 ui 结算应该是有问题的。这一个游戏玩起来可能不太容易,因为它要应该是要消掉一个面吧。 消掉一个面?我们来看一下 q e 是 旋转啊,还有 z 旋转。我天爷我天爷。这这这不太像是正常人能玩的呀。 呃,消掉一个面的话还是挺难的。 这个,那我把代码放到 get up 链接上面啊,大家自己去玩吧。我这个看起来不太不太能玩得动啊。嗯, deepsea 这边应该是 ui 上面会有些问题啊,但其他的都还好啊,几乎应该是都完成了。3 d 桌上弹球的提示词,包含了弹球机的台键膜和台面元素,物理系统、得分与机制、视觉与音效。这是一个很老的小游戏了 欸,左边是 deepsea 的 一个点点,然后 deepsea 这一块呢,完成度其实不是特别高啊,因为这个三 d 弹球这边 没有办法通过发射轨道进入桌面啊。在这个地方我提示了多次啊,它依然没有修复啊。这个是觉得让我觉得有一些奇怪的啊。哎,这个地方是不是能打呀? space launch 哇,这还是能切 view 吗?哦,我这个还有这种视角 啊,这个视角还是不错的。呃,我这里面可能还得吐槽一下这个 g m l 这一块的设计应该是有问题的,如果它从这个地方直接落下来,就不能自动地流向这个底部。哎呦喂喂喂, 我就不该说这话哈哈哈, 但是玩起来应该还是挺好玩的。我只是觉得这边的设计啊,可以考虑这个做一个自动啊,从这个两岸啊,自动往下落的这一个坡度啊,而不是相反啊,这个相反的话就是小球不太像能滚下去的样子。 而 deepsea 这边的介模呢,也是不太行的,这个看起来不太不太好弄,而且大家可以看到这个这边的击球的这一个臂啊,也是没有问题的 啊。这个相比来说的话,呃, gm 五的这个应该是可以玩的啊,而且还挺好玩的,甚至可以跟着这个啊,跟着这个小球, 哎。 接下来我们进入第二个场景,是前端的审美,为了保证相对客观,我们用 design props 里面的提示词,它里面有相当多的这一个网页设计,我们点击一个我们想要的提示词,在这边点击 get props, 然后把对应的这一个内容给它复制过来, 非常有效。之所以选择比较长的提示词的意义也在于这里,因为短的提示词的话,更容易让你的网页有 ai 味儿, 那长的提示词就是完完全全激活了模型的前端设计能力,我们可以一次性看出来它的设计到底怎么样。前端这一块我们测三个不同的风格,第一个风格是奢侈品风的这种网站设计,我们看一下 deepsea 的 落实情况, 这里面有 collection about, craft, contact 这几个还好,当我们往下看的时候,它有一个轻奢东方美学,但是我觉得这里面有一个点是它中英文夹杂了,这个点其实不是特别好,要么就 主体都是英文,要么主体都是中文,这里面就是中英夹杂,这里面加了一些 place holder, 配色也做的蛮好, 我们看一下 story, ai 取自 the spirit of 海取自中文海之辽阔与包容。 我们相信真正的奢侈不再张扬,而在对材质、工艺和时间的敬畏。这是为那些懂得少即是多的人而生的品牌。说的有点心动,好,我们看起来其实都还挺 ok 的。 我们接下来去看一下 gm 这一块,可以看出来在商品页面的时候,这里面会有对应的一个 图片,将在一些细节方面用户反馈做的比较,可能是因为有一定的数据,飞轮用户会反馈。好。接下来我们看第二个风格,看一下 studio, 这个设计上还是比较大胆的,我个人感觉第一步看起来应该是 glm 的 这一个好一点。首先我做的是一个类似于这个 slack, 在 这一个通讯平台上面,它这 hero 右边给出的这个是一个几何,我觉得这个几何好像并没有突出这个东西到底是什么, 但是 glm 这一块它给出来的内容就相对来说,这里面有个 search, 有 一个 agent, 有 一个 marcus, 所以 说这个看起来就比较像我正在做的东西, 这一点是 gm 做的比较好的地方,其他的设计方面倒是没有太大的这一个差别啊,我们来看看下面也是还可以的,长得也相对来说也比较像,我估计应该是有些细节上的区别,但是总体看起来这个 gm 这边好一点点,特别是 hero。 好, 接下来我们再看一下这个海哥奶茶店,看一下这个看起来倒是有一点点的, 这看起来有一点 ai 味。 gm 这一块它用了的是 icon, 它没有 emoji。 品牌故事店地址,挺有意思的,来看一下,这里面有一个 fade out, 这边提示滚动,我看一下这边拉一下这个好像动画 gm 这边会更细腻一些。这里面有一个错误,这边 这个颜色,这个是黑色的,不太对。好,我们来看一下这个海哥的故事,我们来看一下这个海哥是什么故事。 海哥,一个在云南茶山长大的孩子,其实我是苏北的,从小跟着父辈采摘制茶,对茶叶有着与生俱来的热爱。这个 deep sea, 这个我还是很喜欢的,他有一种张口就来的写营销文案的这一个本事,是不是? 我们看这一个 gl 五这一块,它的文案相对来说中规中矩?我们坚持每一杯都手工限制,从茶叶的挑选,水温的把控,到配比的精准,很工业化。 但是海哥的故事这一个就特别有故事感,好茶叶,好奶源,好手艺,每一款产品都经过上百次配比测试,每一批茶叶都亲自品鉴,甄选筛选,太有意思了,让年轻人喝到真正的好茶,我觉得 让年轻人能够真正的掌握编程吧,这是海哥的最简单的初心。哈哈哈,好,那我们就不看了,后面应该都大差不差。那我们接下来让他去构建一个迷你的 python 解释器,用 rust 从零开始构建一个 python 的 解释器,最终跑通一个两百行的 oracle 验收脚本。这一个 oracle 里面包含了很多 python return, import, 还有一些高级的特性, fstream, 列表推导,还有十三个内建函数,我们用 rust 的 库去重写 jsonloads, 支持 标准的数学库,再实现一个第三方的 requests, 这一个的复杂度还还算蛮高的,我是这么做的。我首先准备好同一个 oracle py 的 这一个脚本,然后呢,让它们自行规划,让它们拆分成 to do, 然后呢,自行去拆解。这里面需要注意的是, deepsea v 四并没有完成任务, g m 五点一完成了任务, deepsea v 四卡在了 requests 那 一块目录结构上, g m 五点一的设计更偏扁平一些,而 deepsea v 四它的设计可能更像一个 c t o, 虽然它没有完成这个,它的抽象能力可能会稍好一些。我们从任务完成度上面看, deepsea v 四 pro 它没有完成,卡在了桥接 python request 这一块,而 g m 五点一完成了所有的验收点测试,没有任何缺陷。从规划力度上来看, deepsea v 四有大概有七百三十行,有一百六十七个土度, 它做的还是比较细致的。键盘五点一呢,有七百八十四行,有两百多个 to do。 这里面还有一个点。需要注意的是,键盘五点一在执行的过程中更灵活一些,它后面发现这二百五十二个 to do 可以 化简成八十多个,那它就化简了,选择了一个更清晰的方案。 我发现 deepsea v 四有非常良好的一个验收意识,在规划阶段,它会编写有简到繁的若干个 python 脚本啊。逐步验证, deepsea v 四的实际开发过程中却不是那么稳定,它造成了三次内存泄露, 我的电脑重启了两次。我中间使用了一些呃人工引导的方案来指定它去修复, 但建模五点一呢,在这个过程中,基本上没有做人工的干预就已经完成了。我个人觉得 deepsea v 四在这个地方吃亏,可能吃亏在发版并不是特别的勤劳,导致在中间用户的一些飞轮是没有建立起来的。 第四个任务是代码仓库的理解,大家可以看到,我在之前的视频里面都会反复的去强调文档的重要性,编码本身就是写代码本身是被解决了,编程可能还没有被解决,我们现在都是通过文档来驱动开发。 我有三个不错的提示词,我在接触任何一个比较大的仓库,都会使用这三个提示词。第一个提示词是检查分布啊,文件数啊,行数啊, 关键入口强弱依赖。第二个是数据流的追踪,能不能沿着地图走通一条主干线。第三个呢,是地图背后为什么要这么设计, 为什么要这么规划?这里我们依旧选择了 cloud code, 这一个仓库大概五十万行代码,我们的老朋友 cloud code。 关于提示词这一块,主要是目录结构先行,沿着入口来追踪,模块要尽量的量化,使用 mermaid 拓扑图,有一个健康度的速查 deepsea v 四这一块,它格式不一致,在核心层,它用了一个文本列表,在工具层,它切换了表格,打断了这个阅读的心流。这么五点一这一块呢,它全部统一使用表格,做的都蛮好的。 有一个分析深度是例外的,分析深度这一块我觉得 d s 做的是非常出色的啊,它会把健康记分,我发现只要是和数字或者是说能够量化的东西, deepsea 做的都非常的好。第二个提示词是我们沿着这个地图的一条主干线走一下, 让两个模型选定一条典型的操作,逐层的追踪位置, mermaid 的 持续图,做好边界的标注和异常的路径,我们打翻一下,在数据流这一块的追踪做的非常的深, 在 mermaid 图标这边它画了十六步,我个人觉得它这个钻的太深了,把非常 深度的这一个旁枝都给就是划出来了。我个人是更倾向于建模五点一的,但如果说你对细节把控比较多,可能在这一点上面会对 deepsea 有 比较高的打分。接下来呢,我们要读懂地图背后的为什么这个是架构师的角度,首先提设词里面一定要聚焦不显然的决策,我发现很多大模型分析,比如说为什么要用 python, 为什么要 react, 为什么要用一些通用的库啊,分析的时候呢,一定要跳过这一些很显然的东西,一定要具体他选择了什么,他的约束是什么,他放弃了什么,就是中间有没有一些 trade off, 有 没有一些取舍, 然后我们要让他找出代码的证据,让他判断当前的阶段是不是合理。还有就是决策的依赖图之间说明决策的因果或者是连锁关系。从这一个需求的遵从程度上来看的话, deepsea v 四 它把 mermaid 顶在了最前面,按照我们之前的约定是要把它放在最后的,它的洞察深度依旧是比较高的。芥末五点一这一块就 react 和 ink 的 这个包,还有 assign generator 这一个选择,就是相对来说比较显然。 工具动态分类这一步呢,就是做的比较深,在逻辑关联性这一块, tips 做的比较好,它有这种架构师的这一个视角 架构。五点一在这一块因果链比较清晰,三栏提示则做一个累加的结果。 lm 五点一这一块做的比较好,从数据流这一块角度上来说, 呃, deepsea v 四颗粒度更细,给我的感觉是洞察会比较深一些,架构五点一,指令遵循更好一些,中文更流畅一些。第五个场景,我就聊一聊日常开发。在之前开发 python 解释器的时候,大家可以看到两个文件,一个叫 plan d, 一个叫 plan to do。 首先我会进行一个粗力度的 plan, 产出一份粗力度的执行计划。如果你的代码比较多,这一步很可能会出现比较多的幻觉,那么你需要进行第二步,细化你的 plan, 不要直接执行,让它再细化一轮。 被迫重新审视 plan 之后,幻觉率会降低很多。这个时候我建议你读一下,让他把 plan 拆成具体的 to do, 再次人工扫一眼,确定好这三步之后,基本上就可以把代码丢给 qq 键的来做了。 这一个方案是我目前对抗大模型幻觉的一个小技巧,我觉得大家可以尝试一下。接下来是我在这个测试的过程中的一些体感。 dipsic v 四在深挖这一块啊,做的非常的优秀,不管是代码分析和列路追踪能力都比较突出,但是有的时候会容易钻牛角尖,不及时换方向, 知识面相对来说广一些。如果你命中他训练过的算法和架构,会出现更省事的方案。文案编写上,特别是营销类文案创作,体感呃,稍微好一些。如果识别到算法,他会单独把这一个算法的模块提出来单独测试。有朋友反馈,他在逆向方面做的比较突出。 gm 五点一是整体工程化的产出质量比较高,不容易一条路走到黑,遇到问题的时候他可能会换一些方向。我们可以在前面的 python 解释器项目中看到,在长城任务中表现更舒服一些, 在简短的指令下反馈质量更好。这可能是因为 gm 五不停的发版有更多的这种数据,非就是我们单纯从模型的表现能力上看,在什么场景下我会选择谁呢? 在代码深挖、逆向工程、穿针引线上下文推理和这一个文案创作支出这一块呢,我可能会更倾向于用 deepsea v 四来做日常沟通呢。丛林构建,还有就是前端 react 写的代码需要稍微稳定一些的时候呢,我可能会更 考虑用建模五点一 deepsea v 四取得这样的这个成绩,老师来说是让我比较惊喜的。呃,发版实在是太少了,数据飞轮没有建立起来,导致我在开发的过程会有一些这种磕磕碰碰的情况。简单总结一下, deepsea v 四的表现是让我非常惊喜的。不管是升华代码洞察, 长上下文的理解做的非常不错,但是写工程的时候可能会有一点点摩擦,五点一响应的速度还可以,长城的任务比较稳定,不会一条道走到黑。在默认的情况下,它的深度探索有限,你需要使用更多的提示词 来驱动。如果让我现在使用的话,那我会更倾向于使用箭矛五点一作为主力,使用 deepsea 飞四 pro 来帮我做一些深度的调研和知识库的补充。好,以上就是我的个人使用体验,如果对大家有帮助的话,还请一线三连,感激不尽,我是海拉伟,编程课 ai 永不眠,我们下期节目再见。拜拜。

大家好, k 米最近发布了这个 k 二点六版本,这个版本号称是在编码这个维度做了很多优化,那质谱在前段时间也发布了这个 g m 五点一,那么在编码长任务上也是非常有特色,如果给一个比较复杂一点的系统,给到这两款模型, 那谁最终跑出来效果会更好呢?那本期视频就带大家一起来对比测试一下。那首先这两款的特色啊,宣称特色,比如说啊 智普的这个五点一啊,主打是长绘画保持优化,那么 kimi k 二点六呢?主打是 ag 的 蜂窝化、规模化,那么两者看起来是不一样,其实底层的意思都是一样,就是能够能够长时间的去精准的去执行任务。 那么我们来看一下具体的这个编码的维度对比啊,比如说这个 kimi k 二点六,在这个 three 半期里面是百分之五十八点六,那么智普五点一稍微差一点点, 那么在这个终端编码上,两者也是非常接近的,虽然说智普会差那么百分之三左右,我们再把这个 oppo 四点六拉过来对比一下, 那么在这个 sweet 版型里面,这两款模型都是号称超过了这个 oppo 四点六,那这个终端编码上,那么智普五点一稍微差一点点,我们再把这个 j p d 五点四拉过来对比一下, 那么就是目前来看啊,所以半起那这两款国产模型都超过了这个 g p d 五点四了,然后的话啊,这个终端 a 键的编码上,那 kimi 这边是领先第一位, 然后再把三点一再对比拿过来看一下,那所以半起这个维度,那么 kimi k 二点六是领先的,然后其次是质朴的五点一,那这两个模型跟国外的这几款主流模型对比, 那么在这个 spring 里面都表现的非常优秀啊,参数上都是有一个领先的一个呃,地位,那我们就来实际测试一下,看一下效果到底怎么样的。这测试呢,我们测试一个稍微复杂的一个企业官网的 cms 系统,也就是说 我们可以做一个通用的企业官网,然后呢在后台去设置不同的模块,然后去前台可以预览各种各样的信息,然后还可以选择模板, 那这边用 ai 讲的一个 p r d 文档啊,那功能的话是非常多的,大概有累计,大概有这个功能的模块大概有十个,那这边有十个模块, 然后的话我使用这个 agent scares 这个工作流,然后把这个项目啊 prd 拆分成拆分出来的具体的模,那个任务数啊,大概有三十三个,也就这个任务的数量有三十三个,我们要的目的就是让这两款模型啊七七米 k 二点六和质朴了这个 gm, 五点一能够很顺利的去完成这三十三个任务,然后把这个系统跑出来,然后我们的目标是啊,我们的目标是总共要花的时间大概一到两个小时,然后开发就要调试的时间, 那最终完成度希望能达到百分之七十以上,这是我在做测试之前的一个目标。那测试工具,那 kimi k 二点六,这边我使用的是官方的这个 kimi 的 ci 这个 ai 编程工具啊,那质谱的五点一,我使用的是 clock code 的, 然后两个工具都会使用 agent skills 这个工作流,然后完成 spec 到开发实施的全部流程,那这个工作流是非常好用啊,然后它会经历这么六个阶段,一个是 啊,根据你的需求去生成规格文档,然后再去生成计划,然后再去执行这样的计划,最后去进行 type 测试,然后再去进行 review, 然后再去发布。那么我主要进行的是前面四步,也就是说规格计划、实施和验证这四步, 那么这两个编程工具我都安装这个 agent skills, 那 用这个 skills 去跑这个 prd 生成具体的这个词,也有前面的三十三个任务,那么测试结果是什么样子呢?我们来看一下。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,电话是可以选择模板,比如说我选择这个模板,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,这边还有一个副文本,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。 所以功功能还是有七八个、十十来个功能嘛。我们再看一下智普五点一生成的这个 cms 后台系统,我们也是一样要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。仪表盘啊,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的效果好一些。站点设置,然后我们随便传一个公司 logo, 随便剪, ok, 保存好。然后呢我们再看一下这个页面管理首页 啊,它这个也是可以去做这个轮播图,我们也加个轮播图吧,然后的话它这个轮播图它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, 然后它这是有一个滚动的, 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,那么你在模块里面就可以在这里面就填充内容,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。比如说我们现在保存起来,我们再去这个产品服务这里面去看, 那么你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,那就要进行一个测试的总结呢,就是比如说模块完整度啊,我认为 k 二点六比这个智普的五点一啊稍微差一点点, 因为这部五点一相当于他对于同样的需求,他会思考了更多,他会啊更加的成熟化一些,他做的一些功能比较有利于我们去维护这样的系统,所以说,所以说你可以认为他的思考深度啊,完成度会比这个 k 二点六高一些。 那么前端 ui 其实两个都做的很差,很大家也看到这个效,这个前端的这个展现是非常差的,我没有用任何关于前端界面的一些提示词, 完全就是一个非常直白的一个 p r d 文档,是没有任何的这个界面的描述的,所以让他自己去跑,他只跑一个平均分,这两者其实是都差不多,非常一般, 他第一版完成的时间这个是相差非常大的,这也是我非常震惊的。那么 kimi k 二点六,我在使用 kimi c i 去完成第一版的时候,就把所有的功能都跑出来,但是是有问题的那一版,那么 kimi 这边三十三分钟就做完了, 大概三十三个任务,三十三分钟就完成了,那智普这边五点一,大概花了一小时十五分钟,而且经常中断,很有可能就是因为现在智普这边算力紧张,经常会请求会会有卡住,我不得不把它终止呢,重新去开始。 那总的 bug 数的话, kimi 这边会多一点,大概七个,那智普这边稍微少一点,大概五个。然后我又对这个功能进行迭代,比如说我对首页的管理, 比如说我对这个首页这个模块的管理啊,这个是我新增的功能,两个模型完成的都还行, 那,那么这个智普会稍微好一点,那时候都完成了自己的目标。但是智普总是比这个 kimi k 二点六啊,稍微成熟一点,就特别像 两个人一样,就是他好像工作经验稍微多那么个一年左右那种,那种意思。那总共完成的时间也就是现在到这个演示的版本,那么总共时间是 kimi 是 花了一个一个小时三十分钟, 然后智普这边是花了两小时十五分钟,然后这个系统他做出来可以马上使用,肯定还不行,还需要去调整页面啊,还需要去进一步的测试,但是他其实已经完成了我预定的目标,就是百分之七十左右 已经完成了,在这么短的时间里面,能够完成一个这个十十个模块三三个任务的这个我觉得这个代码量的这个系统我其实非常非常不错,真的是非常不错。 整体表现来看,两款模型的能力上是非常不错的,而且他是一个长时间执行,我是没有任何去干预的,因为我是开了最高的权限,然后的话智普五点一稍微比 kimi k 二点六稍微成熟一点点,就是相当于多工作了半年,然后他做出来东西会更加的这个人性化一点好一点。 那 timi k 二点六这个速度非常快,可能是我用的是他们自己出的这个 timi c i i 这个编程工具啊,速度真的非常快,那种刷刷刷的那种,那种感觉啊,就是,呃,非常非常顺畅,所以总体来讲就是我,我对这两款模型我觉得是非常非常满意的,因为我们毕竟跟国外的 最好的模型,比如 cloud office 这样的模型是有差距的。这个这个我觉得是没必要去隐瞒,我觉得是有差距的,有差距没关系,我们去追上去,基本上你再有提示词,再有这种约束,你再安装一些技能,你自己 去把整个的上下文管控好,那么模型输出这个效果是差不了多少的,所以非常非常推荐大家去使用。这两款模型到底能怎么样的? ok, 本期视频到这,希望这个视频对你有所帮助。

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。

gm 五终于发布了,听说非常强,我也想试试他到底是不是真的有那么强,我第一时间就拿我维护了一年有上千真实用户的三倍插件给他上上强度, 直接挑战开发中最头的那三个难题。第一,极万行代码项目的全景理解。第二,多层嵌套的复杂 ip 逻辑。第三,真实用户的需求迭代。 我们这次的开发环境依然是 vs code 加 code code。 我 首先让 g m 五先理解一下项目整体的技术细节以及功能特点, 这里有一个非常关键的点是 g m 五在发现问题的时候,它会自动的去检测这个错误,然后自动的去修复,接着它就会去读取我相关的一些文件, 然后形成了一个完整的技术分析报告。大家可以看到它上面把这个技术的分层架构都写好了,哪些是处理 api 调用,哪些是处理交互以及数据持久化的。然后接下来就是我 api 的 调用逻辑,他每一个点他都列的很清楚,说实话他列的这个技术报告比我这个作者写的还清楚。接着我就让他基于用户反馈形成一个英文字母导出的功能,比如这是一个 英文的视频,它有一个英文的 ai 字幕。以前的话我们这个插件它是没办法获取英文字幕的,因为当时我是只支持了中文字幕的处理,就比如现在它这个英文字幕是没有的,现在这个英文字幕导出的功能,它不仅仅是增加一个按钮,更主要的是它需要去重构底层的一个解析逻辑。 就比如说我这个接口,它的数据是怎么返回的,我需要怎么去处理中文和英文字幕的选择?那 gm 五 他在思考之后就开始进行执行,然后直接去帮我编辑处理了相关的代码逻辑,大家可以看到他每一步他是怎么做的,这里都写的很清楚,然后最后他就帮我完整的实现了我需要导出英文字母的这个功能。我整体体验 gm 五的功能, 我觉得他真的是更加智能的,就像是一个支撑的系统架构师来帮助我便携代码一样。大家可以看到,现在在 g m 五帮我修复了英文字母下来之后,现在这个字母就可以获取成功了。 说实话, ai 编程最难的从来都不是写新代码,而是维护老代码。十三代码,我之前开发的飞书多表格、马克当预览插件,现在也有几百个付费用户,代码里面其实也有不少的十三代码平时没有大 bug, 我 根本就不敢 动它,生怕改动了之后影响用户的使用体验。不知道大家在用 ai 写代码的时候有没有遇到类似的问题呢? 但是啊,我最近观察到,不管是 cloud ops 四点六还是 gpt 五点三 codex, 它们都不再去卷升程速度,而是全面转向了 agintending coding 发展,简单来说就是更加专注于解决真实项目需求的能力。而 gm 五 就是目前开元界首个跟上这一趋势的模型。 gm 五整体表现都不错,在科奥的欧布斯四点六跟 gpt 五点三科特斯之间很多成绩甚至都感觉不到差距,但是我发现 gm 五有时候的响应速度确实有点慢,这点希望以后能提升一下, 再给大家说个心里话,其实三个月前我就开通了 gm codeine 的 套餐,我当时用的还是 gm 四点六,短短三个月时间,我们的钱还是那份钱,但是手里的工具却一次比一次强, nice! 我 眼看着他从四点六进化到四点七,再到今天可以跟科尔的 off 四点六扳手腕的系统架构师 gm 五 厉害!这种养成系的快乐真的太爽了!用过 gm 扣顶破烂套餐的老用户应该都懂,这次 gm 的 进步让我再次看到了国产模型的硬实力,大家赶紧去试试 gm 五吧! 好了,以上就是本期视频的全部内容,记得点赞和关注我哦!我是超超,我们一起学研,一起变强,我们下期再见!拜拜!

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。

在四月七号,智普官方发布他们最新模型 glm 五点一,这个模型能力很强,是开源现在来说的开源第一,在专业软件开发基础测试中 打赢了 gpd 五点四和 ox 四点六,在 human 二的测试中也逼近了 carl 的 ox 点六,在代码库生成和真实终端任务的测试中也比之前的 glm 五提升很多。 这这模型的能力基本和 g p d 还有 cloud 的 闭源模型都打平了。它这种模型能力很强,主要就是针对一个长城任务的优化和执行上面的优化。 在 g r 五的基础能力上面,它是针对于模型容易过早停滞的问题进行了深度的优化,它在执行任务的过程中,可以在几百次的迭代和几千次工序调用之中 继续去优化,保持能力实现时间越长结果越好的这个效果。 嗯,官方给出的实力是在八个小时内搭建了一套 linux 的 桌面系统。嗯,相较于之前几个模型,之前几个模型在尝试几次失败之后就停止了,性能处出现明显的下降。 但是五点一会在这个执行的任务过程中不断去调整他的规划,说明五点一的长时间任务能力和规划能力确实很强。我自己也去试了一下五点一的模型, 在执行相同的任务的时候,其他几个模型确实是会遇到这个赛博被打墙的情况。嗯,执行一火之后,技能和质量完成的明显的下降,但这样某点一的效果就会好很多。我感觉模型的方向现在继续卷,就是朝 长征任务规划和自主执行这两个方向去卷。嗯,人类负责制定规则和目标, 然后模型去完整的跑通,这个流程执行下来找到人类验收结果和给他纠正错误,用自然语言跟他交流就可以把任务很好的完成。

今天给大家录一个视频,这一个是呃, cherry studio 里面有一个智能体, 这个智能体是相当于包了一层 cloud code。 我 们在使用智能体的时候呢?呃,如果我们想使用硅基流动里面的 glm 五点一的话,用正常的方式是用不了的。我们可以看一下,在创建一个智能体的时候,这里选择模型,这里轨迹流动是只有这两个模型, 为什么用不了呢?是因为我们在轨迹流动的。呃, 这一个大模型它是默认是呃支持 open a i 的 方式的,我们可以看到它这里默认创建对话请求是 open a i 是 吧?但我们的 chair studio 里面它用的是呃 fmphropic 的 支持的标准,所以我们要新增一个不同的一个端点,我们看一下 默认的这个归机流动是呃,这样子的,他是默认就有这一个,对吧?呃,可以直接去使用了,但是这个方式我们是用不了的,我们需要添加一个例如归 机 cloud 是 吧?那提供商类型重点来了,提供商类型这里要选择 and for example 这一个才可以用啊, 这一个是重点,重点中的重点,重点中的重点啊,然后点击确认,确认好之后呢,我们去 获得轨迹流动里面的秘密药,然后这个地址怎么填呢?地址可以看一下, 在这里他是需要改成 andphobic, 所以 这里要拉到下面来,这里可以看到创建对话请求 andphobic, 这里可以看到他这里的地址变了, 可以看到音。我们要把这个 copy 过去,是吧? copy 过去之后呢?把这里填上来,对不对?这个时候我们点一下获取模型列表,点一下, 没有没有模型,对吧?这个时候不要慌,我们把这一个去掉,看一下能不能获取点一下,哎,能, 能找到我们的这个大模型了,是吧?这个时候再把这个,呃, g l m 五点一,迷你面是二点五啊, kimi, 二点五,这些东西都给加上去,我们就能够使用了。 我们这个时候再来检测一下,我们使用 glm 五点一点检测,这里转转转转转, 哎,可以了,连接成功,这个时候我们就可以直接使用它了。这个时候我们回到我们这个智能体去创建新的智能体的时候呢,就能够找到了,例如说我对 gl g l m n a 准,是吧?自己选择模型的时候,哎,奇迹出现了,这里我们已经看到轨迹 cloud, 这里已经可以选择 g l m 五点一,这个时候我们就可以添加一个目录, 这个时候就能够直接去创建这个 a 准。 那现在我们就可以问一下你是什么大模型,然后看一下它的返回是不是 g l m 五点一,如果是的话,我们就 cherry studio 的 智能体里面应用上了硅基流动的 g l m 五点一了, 可以看到当前的环境是在 g i m 五点一模型上面,它是 cloud code。 好, 今天的教程就到这里,其他。

嗨,朋友们好,咱们又见面了,今天聊一下这个最近刚出的智普的 glm 五点一,我这几天 使用了一些心得体会,之前使用的主力模型是 mini max 二点七,那么今天我把这辆模型放在一块对比,来给大家说一下具体的使用心得。我设计了三个任务,让他们分别去执行。第一个是比较简单,就写一个登录页面, 包括后台的逻辑啊,前后台的逻辑就写了一个登录页面。然后第二个是一个做了一个相对复杂一点的,就是税户备份跟恢复的这么一个功能 啊。第三个,呃,就更复杂一点,是做了一个量化交易的一个策略,我把这三个任务分别交给这两个模型去执行,然后我们看一下,从三个方面去看一下他的对比,第一个是时间,第二是个成本,第三是质量, 从这三个方面来对比一下。首先说这个最简单的,这个登录页面,两个模型分别都跑了大概五分钟左右,速度差不多,具体的后面的小数点我就不说了,大概五分钟左右都跑出来了, 然后运行呢?基本上都是一次通过,没有给我留坑,一次通过,然后调用的这个成本我查了一下, mini max 大 概是花了一块五吧,反正挺便宜,没多少钱, 因为这个任务比较简单。第二个,咱说第二个任务,第二个任务是做了一个备份恢复的这么一个任务啊,那这个 mini max 跑了大概十二分 钟,然后交安跑了大概跑了十五分钟,速度相差不大,差了三分钟,然后 mini max 执行完了之后,我跑了一下程序,呃,有点小瑕疵,然后我又把这个日期给到他,然后 他自己又修了一下,基本上最后也能运行。最后我查了一下这个调用的成本,大概是四块多,不到五块钱,然后 jm 呢?不错,就一把够。然后我查了一下调用成本,大概也是五块多一点啊,比 mini max 稍微贵一点。 ok, 然后最后一个比较复杂的,这个一个交易策略的这个量化模型实现。嗯,那这次呢? mini max 掉链子了,嗯,怎么调都过不去,最后我手动干预才过去了, 然后前后花了大概半个多小时吧,三十五六分钟,差不多四十分钟,然后费用大概是十块钱,然后那个 g m 基本上是一把过,有一些小瑕疵,把日子扔给他,大概是调了一次就一把过了。嗯, 时间也是二十来分钟,二十五分钟左右,然后成本的话看了一下,大概是十二到十三块钱。然后综上所述啊,我觉得这安排的挺香的,尤其是在处理这个复杂任务的时候。 ok, 今天就聊这么多,嗯,谢谢大家。

最近这个吹的价格涨的太厉害了,之前到四月四号的时候,他还是一直按照次数来进行对我收费,当时花二十刀,实际只要自己付十刀就能体温差不多六百次 就用高级模式。现在升级之后,我发现有的时候问一个 gpt 五点四问题一复杂他就能发出去一点四个美刀,按这样的话我的二十美刀也就够体温几次就没了,这谁用的起啊,所以我直接给他取消订阅了,实在是发不起啊, 之前一直连着定了三个月,我现在试了一下这个,嗯,这个其实也还可以,可以扣的白点,但长得丑了点,但是我发现他其实做的比吹更完善,吹上面到现在为止一直都没有这个第二商店,但是这个我这个扣的白点上面已经有了, 还有 m c p 的 商店也更加的好,还有规则的记忆啊,技能啊,我感觉这些其实做的不比吹差, 甚至很多的 ipad 交互面板,我感觉是做的更好的,所以我们把它擦掉。我感觉他这里的做的其实更好,而且他这里会显示上下文,你用了多少上下文,他会给你显示出来。他 吹的连这个基本的功能都没有,大家可以去试一下。我现在用的是国内版的,因为国内版他免费送很多的额度,大家可以登录那个叫什么,有个叫我八千八千的积分,我用 gm 五点一, 基本上平均每个问题复杂点的话差不多在五十个积分,那这样的话也差不多能够提供个一百到两百次, 有些简单的问题的话,他可能只会消耗比较少十几个积分,那这样就能提供好几百次,够大家用个差不多一两个月了。也别着急,大家去花钱去买那种扣丁牌,搞不好后面又有什么新的免费证书吗?所以能白嫖就先白嫖,对吧?