本来前天好好休息了一下
黑眼圈都有所缓解
但是DeepSickV4又发布了
我又不得不熬夜
因为我的中英文频道都必须立刻更新
这个热点话题是任何做科技话题的博主都不愿意错过的
于是加紧测试了一下
那么凌晨发完英语视频
我又把这个Hermes接入V4 Flash给测试了一下
体验真的是非常好
所以提起精神赶紧发一些视频
要休息的话就只有的脑五一一放松一下了
可能要把英语频道给停一下
那么首先就是版本
DeepSickV4分为Flash和Pro两个版本
前者就是之前一直传说的Vslite版本
轻量版
284B参数
MOE架构
推理时激活16B
那么全量版也就是Pro
1.68T参数
也是MOE架构
推理时激活38B参数
两个模型都是一照上下文
那么Flash版本的API价格大概是
DeepSickV3.2的一半
甚至可能更便宜一点
性能是大幅提升
那么Pro版本的价格是
Flash价格的十几倍
但是仍然比GPT Cloud便宜很多
我个人认为性价比并不是很高
因为DeepSick我们用的一般都是
搞技术的一般都是批量用
那么社区已经被V4 Flash给刷屏
生产了一报表
然后性价比是真相
无论是编程还是Agent的调用
都是非常的顶
好分方面大家参照媒体报道即可
总之都是顶级的水准
跟美国的商业模型是互有胜负
某些方面略差一点
某些方面又领先一点
但是DeepSickV3.1上下文
召回成功率超过97%
是真正可用的生产力
Cloud和GPT一旦上下文超过256K
召回准区率会跌到70%甚至50%
尤其是Cloud的4.7版本
最近可以说是差评如潮
他们虽然是标称两兆上下文
但是实际生产是非常的拉垮
关于Cloud的刷分
生产力体验降级的事
我会在其他视频里详聊
这里就一笔带过
毕竟本期视频的主角是DeepSickV4
下面我们直接上测评项目
老规矩
还是让它生成网页
表达中国的传统八卦
我们看到全量版和轻量版
生成的都不错
由于这个截图没有办法展示动态效果
大家就测课着看
我如果录屏的话
视频生产成本就比较高了
有点不太划算
它是带动态特效的
点击之后能够显示出对应的解释
刷新到显示区域
我个人认为轻量版的审美更加接近我
事实上这个Flash版本
在我测试的所有项目中
都表现得更好更快
它比这个1.6T Pro版本
可能主要的差距在
知识面的深度跟广度上
在干活的场景中
就是我们这种搞技术
携带马拉波Edgington
它或许确实是更好的
我昨天的视频里详细展示了
各种模型的生成效果
如果有要对比的
可以去看一下上期的视频
自己翻看一下其他模型是什么样子
那么接下来
我让它生成土机熔岩队的运行原理图
我们看到Pro版生成的图片
还是标准的
正确的
审美了也在线
但是很明显
这一轮又是Flash版本胜出
它的构图配色更加符合我的审美需求
不过必须说
它们都没有小米的Memo画的好
SVG5我认为画的很准确
但是缺乏温度
小米的Memo
它的轻量版
相对Rain就温度值更高
更有创造力
好
接下来我们让它生成SVG图像
表达薛定谔的猫思想实验
那么旗带版的效果
还是非常的老成直重
就是画对了
但是一点都不经验
那么Flash版本则是相对Rain
在审美上再度领先
但是和小米一样
它们都没有全两版表达的清晰
总之在这个写代码
绘图这个网页聊天框的基本测试中
我认为Dipsic V4
具备了顶级模型的能力
代码质量也挺好
但是放在顶级模型
密集发布的今天
这确实算不上什么让人惊喜的表现
哪怕是比起轻温3.6
这样的本地小模型
它也没有什么特别明显的优势
但是当我们把它接入Hermis之后
它的生产力立刻就体现出来了
首先就是任务的执行成功率非常高
那么我昨天晚上的几十轮对话中
它执行浏览期任务没有一次是失败的
这是我第一次遇到
我的这个Hermis是原装活
没有对它进行任何的设置优化
安装任何插件或者skills
我就是通过一条自动安装的命令
就直接执行完毕了
那么我唯一的配置选项就是
设置了AI模型
然后本地接入了清晰3.6
云端接入了Deepseek Chat
也就是V4Flash
那么我在这个中端让他整理特朗普的最新动态
他轻松就搞定了
完全不会像OpenCloud那样消极代工
给出的结果也是非常准确的
那么时间的响应也非常的快
让他整理NBI的战报
他很快就能给出正确的答案
因为我没有配置梯子
他默认掉我的工具是谷歌新闻
还有其他的新闻RSS聚合
他都失效了
然后这个清晰3.627币会告诉我
他做不到
他尝试解释会失败
我就提示他使用CURL进行尝试
继续尝试
那么他最终还是会完成任务
但是要折腾一下
那么Deepseek V4
他是直接就成功了
有可能他从昨天的执行记录中
他可能读取了一点东西
因为昨天我把Hermis给重装了
然后这个先用的是清闻3.6跑了一遍
就跑了几个简单的小任务
那么他来尝试访问谷歌等外网工具
失败之后会立刻做出调整
用CURL从国内网站获取信息
并且加以整理
而且整理的结果是非常正确的
如果让他查询天启
这样简单的小任务
那么他查过一次之后
就完全记得这个工具了
我再次跟他聊天
他就是秒返回
总之呢
他执行浏览器任务是非常的轻松
未来我会加入更多深度的测试
我是非常喜欢Hermis的
他是基于Python
天然适配AI架构
因为我们的AI程序
AI框架基本上都是基于Python的
他比起使用Rod.js的OpenCloud
要更加的稳定
因为不需要使用混合架构
那么他的中单交互体验是非常好的
审美也是长在了我的点上
但是我还是给他安上电报
不然本期视频就显得不那么完整
因为很多人他只要一搞Agent
他就你怎么不安电报
怎么不接微信
我们不争论就把它接上
好吧
我们先给Ubuntu搭个梯子
科学上网环境大家自己搞定
那么搭建好之后
给这个中端加上环境变量
因为中端默认是不走梯子的
这里需要注意
设置好之后
要让这个Hermis自己测试一下
他很快就会回复
经过测试
网络环境已经是正常的
然后我就测试一辆新闻聚合
他回复就比没有梯子的时候
要好很多快很多
那么Hermis它毕竟是个国外的开源软件
它的很多生态是基于国际互联网的
大家如果想要玩的爽的话
尽量还是要搞好科学上网的环境
接下来我就问他如何配置电报
他给我提供了几个解决方案
我的选择是把我的电报机器人
Token复制
发给Hermis
让他自己配置
过程也非常简单
找这个电报的Boot Fuzz聊天
新建一个机器人
然后生成Token
复制粘贴到Hermis的聊天框
发给他
他自己很快就会配置成功
其他需要你给这个机器人
发一个测试信息
整个过程就是这么简单
很快我就在这个电报上和Hermis聊天了
这个体验真的是比OpenColor要好太多
好处一个量级都不止
这个提升是非常明显的
我打招呼之后
他叫我小特
我说你搞错了
我是老特
我是你爹
他立刻就记录了自己的身份
并且在以后的对话中保持这种关系
我通过电报发消息
和在终端聊天是一样方便的
他也非常的稳定
那么他也可以接触微信
也是挺方便的
但是我喜欢电报
用微信总有一种会被人窥视的感觉
我让他汇总一下网络上对于DeepSeek V4的评价
他的整理也是非常的到位
总之就是体验非常的好
非常的稳定
响应速度比起之前用OpenColor来说还是要好很多
那么一来这软件本身的效率确实要更高
它的设计它的架构本身要更好
二来就是这个DeepSeek V4 Flush
它的响应速度也确实是非常的快
以往测试OpenColor
我这样玩一玩大概一天需要89块钱
但是V4比起V3年要便宜了一半
应该是4块钱左右
我是去后台看了一下
不过这个Hermes本身
它也比这个OpenColor要更加节约一点
因此3块钱不到吧
但是即便如此便宜
即便是全世界顶级模型中最便宜的
我们也不能用它来重度生产
因为如果说你跑A期间的话
你干一天200块钱那是轻啊一举的事
我现在给你们跑的这些任务
都是非常傻逼的
非常简单的
一些日常用的小任务
主要是为了测试这个模型的智力
包括这个框架本身啊就是它的执行能力如何
就是它是不能用来干重活的
干重活几百块钱一天是绝对打不住的
所以说这个主力未来还是这个轻温3.6
27比稠米模型
昨天我也测试了
它的效果其实比这个V4幅拉西并不差多少
其实是非常好的
那么毕竟我这个409048G啊
这个几万块钱的卡也不能白买
是不是28,500金东上买的
要充分压了它的价值
最后说一下这个Agent呢
要具备什么能力才值得我们去折腾啊
所谓的本地生产力
第一呢
它一定要能够自主操控浏览器
PlayRide
Curl等这个工具
访问互联网获取信息或者执行任务
那么这样就等于给大模型增加了眼镜
因为它可以自主获取信息
不需要你去干预
那么另外它最起码要做到
能够自我更新配置不崩溃
这是考验它的命令行执行能力
系统全线配置
我们所有的复杂任务
最终都是要靠这个命令行来解决
时髦一点的话来说就是
Cli Everything
这就相当于给大模型安装了合格的手
这个手还能够自我修复
那么第三就是要能够在
过往的任务中进行经验教训的总结
生成Skills
因为如果你是去安装Skills
这是没有尽头的事情
Agent必须要能够自己生成改进
才能真正解放人类成为生产力工具
当然现在只是小玩一玩
我五一休息一下
深入测试一下它
那么以后我的Agent的路线就是
轻微3.6加上Deepseek V4 Flush
主要是这个浏览器操作维护音视频
画图的批量生产脚本
我是第一次感觉到
本地Agent有可能从玩具
转变为真正实用的工具
能够真正成为我们的助手
那么本期视频就到这里
我们下期再见