🚀DeepSeek V4 Flash全面实测：Claude Code接入后连续开发7个项目，最便宜的国产模型！性能、速度与真实短板全曝光！对比Kimi K3优点和缺点都藏不住！是否超越Opus 4.8

AI超元域 首頁 每日列表 原始影片
實際影片長度：13:11.000。原文、繁中、雙語可點擊句子跳轉影片。
0:00.000–0:07.220
Dipsick在今天发布了Dipsick V4 Flash 0731这款模型
0:07.220–0:10.760
这款模型的总参数是284笔
0:10.760–0:12.920
然后激活参数是13笔
0:12.920–0:15.540
它的上下文创口也是100万token
0:15.540–0:18.400
在官方发布的基准测试中
0:18.400–0:22.360
相比之前的Dipsick V4 Pro Preview这款模型
0:22.360–0:25.020
最新的Dipsick V4 Flash模型
0:25.020–0:27.240
在这9项基准测试中
0:27.240–0:30.780
都完全超越了之前的Deepseek V4 Pro模型
0:30.780–0:32.780
通过官方发布的基准测试
0:32.780–0:34.380
可以发现这款模型的能力
0:34.380–0:37.780
已经非常接近Cloud Ops 4.8模型
0:37.780–0:40.460
而且相比国产模型GLM5.2
0:40.460–0:42.380
Deepseek V4 Flash模型
0:42.380–0:44.700
它在这9项基准测试中
0:44.700–0:47.060
也是碾压GLM5.2的
0:47.060–0:50.120
所以这款模型已经从廉价快速模型
0:50.120–0:53.200
跃升为了接近Cloud Ops 4.8的
0:53.200–0:54.500
一线Agent模型
0:54.500–0:56.500
本期视频我们就测试一下
0:56.500–0:58.360
Deepseek v4 flash模型
0:58.360–1:01.700
它的能力是否像官方发布的基准测试一样
1:01.700–1:03.900
已经接近OPS4.8模型
1:03.900–1:06.700
而且官方给出的Deepseek v4 flash
1:06.700–1:11.000
它的API定价相比之前的Deepseek v4 pro还要便宜
1:11.000–1:13.240
由于在Deepseek网页版中
1:13.240–1:16.280
官方还没有接入Deepseek v4 flash模型
1:16.280–1:19.540
所以本期视频我们就通过API调用的方式
1:19.540–1:23.880
在Cloud Code中来测试这款模型的综合能力到底怎样
1:23.880–1:26.100
想在Cloud Code中使用这款模型
1:26.100–1:26.680
非常简单
1:26.680–1:28.720
我们只需要将环节面量设置好
1:28.720–1:31.420
就可以这里跟上Deepseek的API Key
1:31.420–1:33.780
这里我们设置好Deepseek它的模型ID
1:33.780–1:35.340
然后我们就直接运行
1:35.340–1:36.800
再启动Cloud Code
1:36.800–1:41.320
然后我们可以将模型切换到Deepseek V4 Flash
1:41.320–1:42.980
在开始测试之前
1:42.980–1:45.680
我们先看一下我在Deepseek它的API中
1:45.680–1:46.880
我充了多少余额
1:46.880–1:48.520
这里大概是20人民币
1:48.520–1:51.320
当我们在Cloud Code中测试完所有案例后
1:51.320–1:54.860
我们看一下在deep seek中会消耗多少额度
1:54.860–1:56.980
在cloudcode中我们先问一下
1:56.980–1:59.180
它的知识截止日期是什么时候
1:59.180–2:00.540
然后我们就发送
2:00.540–2:00.740
好
2:00.740–2:03.560
他说他的知识截止日期是2025年初
2:03.560–2:06.160
训练数据覆盖到2025年1月
2:06.160–2:08.920
因为刚才我们还问了他2025年12月
2:08.920–2:10.800
日本首相的名字叫什么
2:10.800–2:13.120
然后他并没有给出正确的回答
2:13.120–2:16.980
这说明他的知识截止日期确实是在2025年初
2:16.980–2:17.380
好
2:17.380–2:19.420
下面我们开始进行测试
2:19.420–2:21.420
在之前我测试kimike3的时候
2:21.420–2:24.420
我让kimike3按照科幻小说极光
2:24.420–2:28.020
用前端技术复现了小说中的宇宙飞船
2:28.020–2:30.020
然后我们用相同的提示测
2:30.020–2:31.620
看一下在cloudcode中
2:31.620–2:35.820
它能否复现这部小说中的这个宇宙飞船
2:35.820–2:39.820
然后我们将相同的提示测直接粘贴并且发送
2:39.820–2:43.020
这个提示测就是让它搜索并阅读小说极光
2:43.020–2:44.820
然后用适合的前端技术
2:44.820–2:47.020
画出小说中的宇宙飞船模型
2:47.020–2:49.980
要求尽可能百分百还原小说中的飞船
2:49.980–2:52.500
并且具备动态效果背景为深空
2:52.500–2:56.380
这里他正在调用网络搜索来搜索这部小说
2:56.380–3:00.800
这里是他从小说中提取到的这一艘飞船的信息
3:00.800–3:03.020
好再等了大概20分钟左右
3:03.020–3:08.440
这里deepstick在cloudcode中帮我们实现了这个小说中的宇宙飞船
3:08.440–3:09.640
然后我们可以看一下
3:09.640–3:13.120
打开之后我们可以看到他实现的这个宇宙飞船
3:13.120–3:15.580
看上去效果还是比较不错的
3:15.580–3:18.100
然后我们可以用指标拖动查看细节
3:18.100–3:21.480
好这里可以看到飞船喷出的这些火焰
3:21.480–3:24.500
然后还可以看到飞船的载人舱
3:24.500–3:25.860
这是两部分
3:25.860–3:29.320
然后我们还可以看到这里是它飞向的目标
3:29.320–3:30.880
这个目标是一个恒星
3:30.880–3:32.640
在飞船的头部
3:32.640–3:36.480
是它实现了这个可以产生磁场的一个设备
3:36.480–3:39.840
用来清除飞船前方的这些宇宙尘埃
3:39.840–3:43.280
然后背景星空看上去也非常的真实
3:43.280–3:44.580
这是我们测试的
3:44.580–3:47.000
让他先搜索这个小说
3:47.000–3:49.120
然后再根据小说中的细节
3:49.120–3:51.040
来复刻这个宇宙飞船
3:51.040–3:52.600
跟Kimiki3相比
3:52.600–3:55.100
Kimiki3实现的这个光影效果比较好
3:55.100–3:56.740
我们可以看得非常清晰
3:56.740–3:58.900
但Deepseek vs Flash模型
3:58.900–4:00.540
它实现的也非常不错
4:00.540–4:02.900
因为这个任务是多步骤任务
4:02.900–4:04.300
还需要进行联网搜索
4:04.300–4:06.680
然后再进行代码编写
4:06.680–4:08.500
然后我们再看一下第二个测试题
4:08.500–4:11.240
这个测试题就是模仿荒野大标客中
4:11.240–4:12.320
这个骑马的场景
4:12.320–4:14.040
然后我们可以控制这个码
4:14.040–4:16.280
去移动还能去转弯
4:16.280–4:18.120
还能去探索不同的区域
4:18.120–4:20.600
然后我们就完整复制这个提示册
4:20.600–4:22.340
然后粘贴到Cloud Code
4:22.340–4:23.560
我们直接发送
4:23.560–4:25.220
等完成开发之后
4:25.220–4:27.140
我们再和Kimike3
4:27.140–4:29.760
它开发的这个游戏效果进行对比
4:29.760–4:32.300
好 这里Cloud Code耗时半小时
4:32.300–4:34.600
完成了模仿荒野大标客
4:34.600–4:35.500
这个骑马游戏
4:35.500–4:36.840
我们可以看一下这个效果
4:36.840–4:37.860
进入游戏之后
4:37.860–4:40.120
我们还可以听到这种风的声音
4:40.120–4:43.500
然后还可以看到天空中飘落的这些叶子
4:43.500–4:44.940
然后这也是一匹马
4:44.940–4:48.540
可以看到这匹马实现的并不是非常的完美
4:48.540–4:50.780
这个头跟身体有些分离
4:50.780–4:53.700
然后我们操控这个马直接七星
4:53.700–4:56.460
这个七星效果还是可以的
4:56.460–5:00.280
在七星的时候还能听到风声与马蹄声
5:00.280–5:02.060
然后远处还有这些云
5:02.060–5:04.280
然后现在天开始变黑了
5:04.280–5:07.700
天变黑之后我们可以看到这些房子亮起了灯
5:07.700–5:10.160
这个效果实现了也算可以
5:10.160–5:13.220
总体来说是比较不错的
5:13.220–5:15.500
跟kimiki3相比的话
5:15.500–5:18.680
kimiki3实现的这个码的细节非常不错
5:18.680–5:20.920
然后这个码的可操控性
5:20.920–5:22.380
效果也更好一些
5:22.380–5:25.420
毕竟kimiki3它的参数量要更大
5:25.420–5:27.300
而deep-sickv4 flash模型
5:27.300–5:28.960
它的参数要小非常多
5:28.960–5:30.700
下面我们再继续测试
5:30.700–5:33.880
像这个测试题也是我在kimiki3中
5:33.880–5:38.200
让它用3gs实现的谷歌耳齿轮的一个动画
5:38.200–5:40.420
它实现了这个谷歌耳齿轮
5:40.420–5:42.940
这个动画效果看着非常震撼
5:42.940–5:46.900
无论是光影效果还是它实现了这种齿轮的真实度
5:46.900–5:51.160
然后我们就用相同的提示测在Cloud Code中进行测试
5:51.160–5:54.820
然后我们完整粘贴这个提示测直接发送
5:54.820–5:56.340
这个提示测非常简单
5:56.340–5:59.360
用3gs实现演示谷歌耳齿轮
5:59.360–6:01.660
然后这里就是具体的细节
6:01.660–6:02.940
等它完成之后
6:02.940–6:06.560
我们再和pmmk3实现了这个效果进行对比
6:06.560–6:11.220
好这里耗时14分钟开发完成了这个谷歌耳齿轮
6:11.220–6:13.220
然后我们运行看一下效果
6:13.220–6:14.740
我们在浏览器打开
6:14.740–6:17.880
打开之后可以看到这些齿轮并没有连接在一起
6:17.880–6:21.840
但是它实现的这些齿轮的转速还是非常准确的
6:21.840–6:24.220
可以看到第一个齿轮在飞速转动
6:24.220–6:25.420
然后这是第二个齿轮
6:25.420–6:26.840
这是第三个齿轮
6:26.840–6:29.360
它实现的这个光影效果也比较不错
6:29.360–6:32.320
相比KPK3实现的这个骨盖齿轮
6:32.320–6:36.400
Deepseek V4 Flash模型实现的还是比较粗糙的
6:36.400–6:40.900
好下面我们再用这个手绘灯泡的测试题来测试一下
6:40.900–6:43.200
这是之前测试PIMIKI 3的时候
6:43.200–6:45.660
让它实现了一个手绘动画
6:45.660–6:48.400
我们还是完整的复制这个提示册
6:48.400–6:50.780
然后将提示册完整的粘贴
6:50.780–6:52.660
创建一个HTML页面
6:52.660–6:55.160
用SVG实现一个手绘动画效果
6:55.160–6:56.700
画一个灯泡图案
6:56.700–6:59.780
要求图案就像手在纸上慢慢画出来一样
6:59.780–7:02.380
看一下Deepseek vs Flash模型
7:02.380–7:04.120
它实现了效果
7:04.120–7:06.500
好这里它很快完成了这个动画
7:06.500–7:07.500
我们打开看一下
7:07.500–7:10.360
好这里它正在绘制这个灯泡
7:10.360–7:13.300
可以看到它是模仿了
7:13.300–7:15.000
像人类一样在画画
7:15.000–7:17.120
它实现的这个手绘灯泡
7:17.120–7:18.460
效果也比较不错
7:18.460–7:20.060
跟KimiK3相比
7:20.060–7:22.460
KimiK3它实现的这个灯泡
7:22.460–7:24.740
更加接近手绘的风格
7:24.740–7:26.780
然后DeepSick V4 Flash模型
7:26.780–7:28.320
它实现的这个灯泡
7:28.320–7:30.120
在绘制的风格方面
7:30.120–7:31.500
不够接近手绘
7:31.500–7:33.200
下面我们再测试一下
7:33.200–7:33.820
这款模型
7:33.820–7:36.200
它的数学公式可摄化能力
7:36.200–7:37.780
这里我数字一个提示词
7:37.780–7:39.520
我们可以看一下这个提示词
7:39.520–7:42.640
让它使用manim可视化二次函数
7:42.640–7:44.960
要求显示绘制函数表达式
7:44.960–7:46.160
绘制函数曲线
7:46.160–7:47.620
标注顶点和零点
7:47.620–7:50.820
用动画展示函数图像的绘制过程
7:50.820–7:53.440
我们看一下Deepseek V4 Flash模型
7:53.440–7:55.480
它实现的这个效果到底怎样
7:55.480–7:57.820
好 这里Deepseek V4 Flash模型
7:57.820–8:00.200
帮我们完成了这个数学公式可视化
8:00.200–8:02.920
然后我们看一下它生成的这个视频
8:02.920–8:04.140
我们直接播放
8:04.914–8:06.454
好 这里给出了数学公式
8:07.734–8:09.274
好 现在开始绘制
8:12.074–8:13.114
这里还给出了顶点
8:14.894–8:15.914
还给出了零点
8:15.914–8:19.974
这个数学公式它绘制完成
8:19.974–8:21.514
它生成了这个视频
8:21.514–8:23.254
效果也算可以
8:23.254–8:24.894
因为同样的提示次
8:24.894–8:27.414
我们之前还测试过其他模型
8:27.414–8:30.874
而它实现的这个动画还是比较流畅的
8:30.874–8:33.174
好 下面我们用格斗游戏引擎
8:33.174–8:35.354
让Deepseek V4 Flash
8:35.354–8:36.874
开发一款3D游戏
8:36.874–8:38.774
我们测试一下Deepseek V4
8:38.774–8:40.834
它的游戏开发能力到底如何
8:40.834–8:42.694
像这个任务比较复杂
8:42.694–8:44.254
我数据的提示次非常长
8:44.254–8:46.374
我们可以简单看一下这个提示词
8:46.374–8:48.534
让它在一个已经数据化好的
8:48.534–8:49.914
格斗4项目中
8:49.914–8:53.294
开发一款3D侏罗际坦克设计游戏原型
8:53.294–8:54.434
像这个测试题
8:54.434–8:57.094
我在之前多期视频中都有进行演示
8:57.094–8:59.014
由于这个提示词非常长
8:59.014–9:01.774
这里就不再为大家去读这个提示词了
9:01.774–9:03.934
好 这里耗时大约40分钟
9:03.934–9:04.634
完成了
9:04.634–9:08.014
我们让它使用格斗4游戏引擎
9:08.014–9:09.434
开发的一款游戏
9:09.434–9:10.834
好 进入游戏之后
9:10.834–9:11.874
可以看到这个坦克
9:11.874–9:14.274
然后我们可以去发射炮弹
9:14.274–9:16.554
然后我们操控一下这个坦克进行移动
9:16.554–9:20.754
可以看到这个坦克它实现的比较简陋
9:20.754–9:24.534
但是这个炮弹发射的效果还算可以
9:24.534–9:27.334
这个坦克的可操控性不是太好
9:27.334–9:30.054
我们移动的时候很难去控制方向
9:30.054–9:32.654
然后我们要求它实现的这个恐龙
9:32.654–9:34.454
它实现的也不是非常像
9:34.454–9:36.934
在天空中我们可以看到这个UFO
9:36.934–9:38.914
这个UFO还是挺像的
9:38.914–9:41.874
然后整个画面中并没有几个恐龙
9:41.874–9:43.634
只有这一条恐龙
9:43.634–9:46.574
可能这个游戏对Deepseek和VS Flash模型
9:46.574–9:48.934
还是非常有挑战性的
9:48.934–9:51.414
这个游戏开发耗时39分钟
9:51.414–9:54.354
然后上下我们占用了96%
9:54.354–9:56.814
它只实现了这个游戏可以运行
9:56.814–9:59.154
但我们要求的这些效果都没有实现
9:59.154–10:00.594
下面我们再测试一下
10:00.594–10:04.474
它能否为我们完成这个iOS原生被单词的开发
10:04.474–10:05.754
像这个测试题
10:05.754–10:08.414
之前我们已经测试过非常多的模型
10:08.414–10:10.394
无论是开源的还是闭源的
10:10.394–10:12.874
然后我们就完整的复制这个提示册
10:12.874–10:15.934
然后直接粘贴提示册并且发送
10:15.934–10:18.914
我们看一下Deepseek V4 Flash模型
10:18.914–10:21.794
它能否开发原生LS项目
10:21.794–10:24.114
好 这里耗时24分钟
10:24.114–10:26.034
然后这个被单次应用
10:26.034–10:27.134
它完成开发
10:27.134–10:30.594
在这里这个上下文窗口已经占用了100%
10:30.594–10:33.334
然后我们在Xcode中点击运行
10:33.334–10:35.454
看一下它能否编译成功
10:35.454–10:36.514
这里编译成功
10:36.514–10:37.834
这里启动了模拟器
10:37.834–10:41.134
我们看一下在模拟器中这个效果到底怎样
10:41.134–10:42.594
好非常神奇的是
10:42.594–10:45.014
这里竟然可以在模拟器中打开
10:45.014–10:47.534
并且成功加载出来了这个页面
10:47.534–10:49.454
然后我们看一下这些功能
10:49.454–10:50.854
我们点击开始学习
10:50.854–10:53.074
这里可以发音
10:53.074–10:54.554
这里可以收藏
10:54.554–10:56.094
这里可以翻装卡片
10:56.094–10:58.054
我们再看下一个
10:58.054–10:59.574
点击认识
10:59.574–11:01.134
好学习完成之后
11:01.134–11:02.114
这里会提示完成
11:02.114–11:03.094
我们点击完成
11:03.094–11:05.914
这里就会显示今天的进度
11:05.914–11:07.434
然后我们点击随机测试
11:07.434–11:08.974
这里我们选个听力题
11:08.974–11:10.634
点击开始测试
11:10.634–11:16.894
好 这里我们成功完成了听力测试
11:16.894–11:18.054
这里是错题回顾
11:18.054–11:19.234
我们点击完成
11:19.234–11:21.614
这里还会显示进度
11:21.614–11:24.294
这是显示的我们刚才的进度
11:24.294–11:25.514
这里还有成就徽章
11:25.514–11:27.294
我们再点击设置看一下
11:27.294–11:28.494
这里是设置
11:28.494–11:30.654
这里还可以调节它的主题
11:30.654–11:32.074
我们调整深色之后
11:32.074–11:33.514
它并没有变成深色
11:33.514–11:35.214
还是这个浅色主题
11:35.214–11:36.694
这是一个bug
11:36.694–11:39.414
这里还可以设置每日学习的单词数量
11:39.414–11:41.154
这里还有每日提醒
11:41.154–11:43.694
这里我们可以允许它提醒
11:43.694–11:45.074
这里是提醒实践
11:45.074–11:46.734
我们可以进行设置
11:46.734–11:47.354
这样看来
11:47.354–11:50.214
它帮我们实现的这个被单词的app
11:50.214–11:52.334
总体来说还是比较不错的
11:52.334–11:54.674
无论是这些配色还是这些功能
11:54.674–11:56.374
它基本上都实现了
11:56.374–11:57.314
虽然有一些bug
11:57.314–11:59.474
比如说切换系统主题
11:59.474–12:00.634
切换成声音色
12:00.634–12:01.894
它并没有变成声音色
12:01.894–12:04.374
这些我们还可以让它来继续修复
12:04.374–12:05.554
但总体来说
12:05.554–12:09.174
他实现的这个app确实实现了一个简单的mvp
12:09.174–12:10.794
我们确实可以正常运行
12:10.794–12:13.314
因为毕竟Deepseek v4 flash模型
12:13.314–12:16.734
它的参数量相比其他的模型要小非常多
12:16.734–12:17.814
为了精神时间
12:17.814–12:20.414
我们就不再用其他测试题进行测试了
12:20.414–12:22.274
然后我们进入api后台
12:22.274–12:24.114
看一下我们这些测试题
12:24.114–12:26.994
测试完成总共花费了多少钱
12:26.994–12:30.614
可以看到这个余额还剩18.58人民币
12:30.614–12:31.994
看来这个模型
12:31.994–12:35.434
它的api价格真的是非常非常非常便宜
12:35.434–12:40.054
所以我们可以用这款模型当做更强模型的助手
12:40.054–12:44.494
比如说在codex中我们可以用更强的模型来规划任务
12:44.494–12:49.134
然后通过subagent来调用deepseekv4flash模型
12:49.134–12:51.954
在这期视频中我就为大家演示了
12:51.954–12:54.414
如何为subagent接入第三方模型
12:54.414–12:55.454
比如说deepseek
12:55.454–12:58.514
像这样看来deepseekv4flash模型
12:58.514–13:01.634
它应该是国产模型中价格最便宜的
13:01.634–13:02.754
但能力也不差
13:02.754–13:04.894
好本期视频就是做到这里
13:04.894–13:07.334
欢迎大家点赞关注和转发
13:07.334–13:08.474
谢谢大家观看
0:00.000–0:07.220
Dipsick在今天發布了Dipsick V4 Flash 0731這款模型
0:07.220–0:10.760
這款模型的總參數是284B
0:10.760–0:12.920
然後激活參數是13B
0:12.920–0:15.540
它的上下文创口也是100萬token
0:15.540–0:18.400
在官方發布的基準測試中
0:18.400–0:22.360
相比之前的Dipsick V4 Pro Preview這款模型
0:22.360–0:25.020
最新的DeepSeek V4 Flash模型
0:25.020–0:27.240
在這9項基準測試中
0:27.240–0:30.780
在這九項基準測試中皆全面超越了先前的 DeepSeek V4 Pro 模型
0:30.780–0:32.780
通過官方發布的基準測試
0:32.780–0:34.380
可以發現這款模型的能力
0:34.380–0:37.780
已經非常接近Cloud Ops 4.8模型
0:37.780–0:40.460
而且相比國產模型GLM5.2
0:40.460–0:42.380
[未翻譯]
0:42.380–0:44.700
它在這9項基準測試中
0:44.700–0:47.060
也是碾壓GLM5.2的
0:47.060–0:50.120
所以這款模型已經從廉價快速模型
0:50.120–0:53.200
躍升為了接近Cloud Ops 4.8的
0:53.200–0:54.500
一線Agent模型
0:54.500–0:56.500
本期視頻我們就測試一下
0:56.500–0:58.360
[未翻譯]
0:58.360–1:01.700
它的能力是否像官方發布的基準測試一樣
1:01.700–1:03.900
已經接近OPS4.8模型
1:03.900–1:06.700
而且官方給出的Deepseek v4 flash
1:06.700–1:11.000
它的API定價相比之前的Deepseek v4 pro還要便宜
1:11.000–1:13.240
由於在Deepseek網頁版中
1:13.240–1:16.280
官方還沒有接入Deepseek v4 flash模型
1:16.280–1:19.540
所以本期視頻我們就通過API調用的方式
1:19.540–1:23.880
在Cloud Code中來測試這款模型的綜合能力到底怎樣
1:23.880–1:26.100
想在Cloud Code中使用這款模型
1:26.100–1:26.680
非常簡單
1:26.680–1:28.720
我們只需要將環境變量設置好
1:28.720–1:31.420
就可以這裡跟上Deepseek的API Key
1:31.420–1:33.780
這裡我們設置好Deepseek它的模型ID
1:33.780–1:35.340
然後我們就直接運行
1:35.340–1:36.800
再啟動Cloud Code
1:36.800–1:41.320
然後我們可以將模型切換到Deepseek V4 Flash
1:41.320–1:42.980
在開始測試之前
1:42.980–1:45.680
我們先看一下我在Deepseek它的API中
1:45.680–1:46.880
我充了多少餘額
1:46.880–1:48.520
這裡大約是20人民幣
1:48.520–1:51.320
當我們在Cloud Code中測試完所有案例後
1:51.320–1:54.860
我們來看看在deep seek中會消耗多少額度
1:54.860–1:56.980
在cloudcode中我們先問一下
1:56.980–1:59.180
它的知識截止日期是什麼時候
1:59.180–2:00.540
然後我們就發送
2:00.540–2:00.740
[未翻譯]
2:00.740–2:03.560
他說他的知識截止日期是2025年初
2:03.560–2:06.160
訓練數據覆蓋到2025年1月
2:06.160–2:08.920
因為剛才我們還問了他2025年12月
2:08.920–2:10.800
日本首相的名字叫什麼
2:10.800–2:13.120
然後他並沒有給出正確的回答
2:13.120–2:16.980
這說明他的知識截止日期確實是在2025年初
2:16.980–2:17.380
[未翻譯]
2:17.380–2:19.420
下面我們開始進行測試
2:19.420–2:21.420
在之前我測試kimike3的時候
2:21.420–2:24.420
我讓kimike3按照科幻小說極光
2:24.420–2:28.020
用前端技術復現了小說中的宇宙飛船
2:28.020–2:30.020
然後我們用相同的提示測
2:30.020–2:31.620
讓我們來看看在Cloud Code中
2:31.620–2:35.820
它能否復現這部小說中的這個宇宙飛船
2:35.820–2:39.820
然後我們將相同的提示測直接粘貼並且發送
2:39.820–2:43.020
這個提示測就是讓它搜索並閱讀小說極光
2:43.020–2:44.820
然後用適合的前端技術
2:44.820–2:47.020
畫出小說中的宇宙飛船模型
2:47.020–2:49.980
要求盡可能百分百還原小說中的飛船
2:49.980–2:52.500
並且具備動態效果背景為深空
2:52.500–2:56.380
這裡他正在調用網絡搜索來搜索這部小說
2:56.380–3:00.800
這裡是他從小說中提取到的這一艘飛船的信息
3:00.800–3:03.020
好再等了大概20分鐘左右
3:03.020–3:08.440
這裡deepstick在cloudcode中幫我們實現了這個小說中的宇宙飛船
3:08.440–3:09.640
然後我們可以看一下
3:09.640–3:13.120
打開之後我們可以看到他實現的這個宇宙飛船
3:13.120–3:15.580
看上去效果還是不錯的
3:15.580–3:18.100
然後我們可以用指標拖動查看細節
3:18.100–3:21.480
好這裡可以看到飛船噴出的這些火焰
3:21.480–3:24.500
然後還可以看到飛船的載人艙
3:24.500–3:25.860
這是兩部分
3:25.860–3:29.320
然後我們還可以看到這裡是它飛向的目標
3:29.320–3:30.880
這個目標是一個恆星
3:30.880–3:32.640
在飛船的頭部
3:32.640–3:36.480
是它實現了這個可以產生磁場的設備
3:36.480–3:39.840
用來清除飛船前方的這些宇宙塵埃
3:39.840–3:43.280
然後背景星空看上去也非常真實
3:43.280–3:44.580
這是我們測試的
3:44.580–3:47.000
讓他先搜索這個小說
3:47.000–3:49.120
然後再根據小說中的細節
3:49.120–3:51.040
來復刻這個宇宙飛船
3:51.040–3:52.600
與Kimiki 3相比
3:52.600–3:55.100
Kimiki3實現的這個光影效果比較好
3:55.100–3:56.740
我們可以看得非常清晰
3:56.740–3:58.900
但Deepseek與Flash模型的表現
3:58.900–4:00.540
它實現的也非常不錯
4:00.540–4:02.900
因為這個任務是多步驟任務
4:02.900–4:04.300
還需要進行聯網搜索
4:04.300–4:06.680
然後再進行代碼編寫
4:06.680–4:08.500
然後我們再看一下第二個測試題
4:08.500–4:11.240
這個測試題就是模仿荒野大鏢客中
4:11.240–4:12.320
這個騎馬的場景
4:12.320–4:14.040
然後我們可以控制這個碼
4:14.040–4:16.280
去移動還能去轉彎
4:16.280–4:18.120
還能去探索不同的區域
4:18.120–4:20.600
然後我們就完整複製這個提示冊
4:20.600–4:22.340
然後粘貼到Cloud Code
4:22.340–4:23.560
我們直接發送
4:23.560–4:25.220
等完成開發之後
4:25.220–4:27.140
我們再和Kimike3
4:27.140–4:29.760
它開發的這個遊戲效果進行對比
4:29.760–4:32.300
好 這裡Cloud Code耗時半小時
4:32.300–4:34.600
完成了模仿荒野大鏢客
4:34.600–4:35.500
這個騎馬遊戲
4:35.500–4:36.840
我們可以看一下這個效果
4:36.840–4:37.860
進入遊戲之後
4:37.860–4:40.120
我們還可以聽到這種風的聲音
4:40.120–4:43.500
然後還可以看到天空中飄落的這些葉子
4:43.500–4:44.940
然後這也是一匹馬
4:44.940–4:48.540
可以看到這匹馬實現的並不是非常完美
4:48.540–4:50.780
這個頭跟身體有些分離
4:50.780–4:53.700
然後我們操控這個馬直接七星
4:53.700–4:56.460
這個七星效果還是可以的
4:56.460–5:00.280
在施展七星技能時，還能聽到風聲與馬蹄聲
5:00.280–5:02.060
然後遠處還有這些雲
5:02.060–5:04.280
然後現在天開始變黑了
5:04.280–5:07.700
天變黑之後，我們可以看到這些房子亮起了燈
5:07.700–5:10.160
這個效果實現了也算可以
5:10.160–5:13.220
總體來說是比较不错的
5:13.220–5:15.500
跟kimiki3相比的話
5:15.500–5:18.680
kimiki3實現的這個碼的細節非常不錯
5:18.680–5:20.920
然後這個碼的可操控性
5:20.920–5:22.380
效果也更好
5:22.380–5:25.420
畢竟kimiki3它的參數量要更大
5:25.420–5:27.300
而deep-sickv4 flash模型的參數量要小非常多
5:27.300–5:28.960
它的參數要小非常多
5:28.960–5:30.700
下面我們再繼續測試
5:30.700–5:33.880
像這個測試題也是我在kimiki3中
5:33.880–5:38.200
讓它用3gs實現的谷歌耳齒輪的一個動畫
5:38.200–5:40.420
它實現了這個谷歌耳齒輪
5:40.420–5:42.940
這個動畫效果看著非常震撼
5:42.940–5:46.900
無論是光影效果還是它實現了這種齒輪的真實度
5:46.900–5:51.160
然後我們就用相同的提示測在Cloud Code中進行測試
5:51.160–5:54.820
然後我們完整粘貼這個提示測直接發送
5:54.820–5:56.340
這個提示測非常簡單
5:56.340–5:59.360
用3gs實現演示谷歌耳齒輪
5:59.360–6:01.660
然後這裡就是具體的細節
6:01.660–6:02.940
等它完成之後
6:02.940–6:06.560
我們再和pmmk3實現了這個效果進行對比
6:06.560–6:11.220
好這裡耗時14分鐘開發完成了這個谷歌耳齒輪
6:11.220–6:13.220
然後我們運行看一下效果
6:13.220–6:14.740
我們在瀏覽器打開
6:14.740–6:17.880
打開之後可以看到這些齒輪並沒有連接在一起
6:17.880–6:21.840
但是它實現的這些齒輪的轉速還是非常準確的
6:21.840–6:24.220
可以看到第一個齒輪在飛速轉動
6:24.220–6:25.420
然後這是第二個齒輪
6:25.420–6:26.840
這是第三個齒輪
6:26.840–6:29.360
它實現的光影效果也比較不錯
6:29.360–6:32.320
相比KPK3實現的這個骨蓋齒輪
6:32.320–6:36.400
Deepseek V4 Flash模型實現的還比較粗糙的
6:36.400–6:40.900
好下面我們再用這個手繪燈泡的測試題來測試一下
6:40.900–6:43.200
這是之前測試PIMIKI 3的時候
6:43.200–6:45.660
讓它實現了一個手繪動畫
6:45.660–6:48.400
我們還是完整複製這個提示詞
6:48.400–6:50.780
然後將提示詞完整貼上
6:50.780–6:52.660
建立一個HTML頁面
6:52.660–6:55.160
使用SVG實現手繪動畫效果
6:55.160–6:56.700
畫一個燈泡圖案
6:56.700–6:59.780
要求圖案就像手在紙上慢慢畫出來一樣
6:59.780–7:02.380
來看看Deepseek vs Flash模型的表現
7:02.380–7:04.120
它實現了效果
7:04.120–7:06.500
好，這裡它很快完成了這個動畫
7:06.500–7:07.500
我們打開來看一下
7:07.500–7:10.360
好，這裡它正在繪製這個燈泡
7:10.360–7:13.300
可以看到它是在模仿
7:13.300–7:15.000
像人類一樣在畫畫
7:15.000–7:17.120
它實現的這個手繪燈泡
7:17.120–7:18.460
效果也還不錯
7:18.460–7:20.060
與KimiK3相比
7:20.060–7:22.460
Kimi K3實現的這個燈泡
7:22.460–7:24.740
更加接近手繪風格
7:24.740–7:26.780
然後DeepSick V4 Flash模型
7:26.780–7:28.320
它實現的這個燈泡
7:28.320–7:30.120
在繪製風格方面
7:30.120–7:31.500
不夠接近手繪
7:31.500–7:33.200
下面我們再測試一下
7:33.200–7:33.820
這款模型
7:33.820–7:36.200
它的數學公式可視化能力
7:36.200–7:37.780
這裡我輸入一個提示詞
7:37.780–7:39.520
我們可以看一下這個提示詞
7:39.520–7:42.640
讓它使用manim可視化二次函數
7:42.640–7:44.960
要求顯示繪製函數表達式
7:44.960–7:46.160
繪製函數曲線
7:46.160–7:47.620
標註頂點和零點
7:47.620–7:50.820
用動畫展示函數圖像的繪製過程
7:50.820–7:53.440
我們來看看Deepseek V4 Flash模型
7:53.440–7:55.480
它實現的這個效果到底怎樣
7:55.480–7:57.820
好，這裡Deepseek V4 Flash模型
7:57.820–8:00.200
幫我們完成了這個數學公式可視化
8:00.200–8:02.920
然後我們看一下它生成的這個影片
8:02.920–8:04.140
我們直接播放
8:04.914–8:06.454
好，這裡給出了數學公式
8:07.734–8:09.274
好，現在開始繪製
8:12.074–8:13.114
這裡也給出了頂點
8:14.894–8:15.914
也給出了零點
8:15.914–8:19.974
這個數學公式繪製完成
8:19.974–8:21.514
它生成了這個影片
8:21.514–8:23.254
效果也算不錯
8:23.254–8:24.894
因為同樣的提示詞
8:24.894–8:27.414
我們之前還測試過其他模型
8:27.414–8:30.874
而它實現的這個動畫還算流暢
8:30.874–8:33.174
好 接下來我們使用格鬥遊戲引擎
8:33.174–8:35.354
讓 Deepseek V4 Flash
8:35.354–8:36.874
開發一款 3D 遊戲
8:36.874–8:38.774
我們測試一下 Deepseek V4
8:38.774–8:40.834
它的遊戲開發能力到底如何
8:40.834–8:42.694
像這個任務比較複雜
8:42.694–8:44.254
我的提示詞非常長
8:44.254–8:46.374
我們可以簡單看一下這個提示詞
8:46.374–8:48.534
讓它在一個已經數據化好的
8:48.534–8:49.914
格鬥 4 專案中
8:49.914–8:53.294
開發一款 3D 侏羅紀坦克設計遊戲原型
8:53.294–8:54.434
像這個測試題
8:54.434–8:57.094
我在之前多期影片中都有進行演示
8:57.094–8:59.014
由於這個提示詞非常長
8:59.014–9:01.774
這裡就不再為大家讀這個提示詞了
9:01.774–9:03.934
好 這裡耗時大約 40 分鐘
9:03.934–9:04.634
[未翻譯]
9:04.634–9:08.014
我們讓它使用格鬥 4 遊戲引擎
9:08.014–9:09.434
開發的一款遊戲
9:09.434–9:10.834
好 進入遊戲之後
9:10.834–9:11.874
可以看到這個坦克
9:11.874–9:14.274
然後我們可以發射炮彈
9:14.274–9:16.554
然後我們操控這個坦克進行移動
9:16.554–9:20.754
可以看到這個坦克實現得比較簡陋
9:20.754–9:24.534
但是這個炮彈發射的效果還算不錯
9:24.534–9:27.334
這個坦克的可操控性不太好
9:27.334–9:30.054
我們移動的時候很難控制方向
9:30.054–9:32.654
然後我們要求它實現的這個恐龍
9:32.654–9:34.454
它實現得也不太像
9:34.454–9:36.934
在天空中可以看到這個 UFO
9:36.934–9:38.914
這個 UFO 還挺像的
9:38.914–9:41.874
然後整個畫面中並沒有幾個恐龍
9:41.874–9:43.634
只有這一隻恐龍
9:43.634–9:46.574
這個遊戲對 Deepseek 和 VS Flash 模型來說
9:46.574–9:48.934
可能還是相當具有挑戰性的
9:48.934–9:51.414
這個遊戲開發耗時 39 分鐘
9:51.414–9:54.354
然後上下我們佔用了 96%
9:54.354–9:56.814
它只實現了遊戲可以運行
9:56.814–9:59.154
但我們要求的這些效果都沒有實現
9:59.154–10:00.594
下面我們再測試一下
10:00.594–10:04.474
它能否為我們完成這個 iOS 原生單詞應用的開發
10:04.474–10:05.754
像這個測試題
10:05.754–10:08.414
之前我們已經測試過非常多的模型
10:08.414–10:10.394
無論是開源的還是閉源的
10:10.394–10:12.874
然後我們就完整複製這個提示詞
10:12.874–10:15.934
然後直接粘貼提示詞並發送
10:15.934–10:18.914
我們看一下 Deepseek V4 Flash 模型
10:18.914–10:21.794
它能否開發原生 iOS 項目
10:21.794–10:24.114
好，這裡耗時 24 分鐘
10:24.114–10:26.034
然後這個單詞應用
10:26.034–10:27.134
它完成開發
10:27.134–10:30.594
在這裡這個上下文視窗已經佔用了 100%
10:30.594–10:33.334
然後我們在 Xcode 中點擊運行
10:33.334–10:35.454
看一下它能否編譯成功
10:35.454–10:36.514
這裡編譯成功
10:36.514–10:37.834
這裡啟動了模擬器
10:37.834–10:41.134
我們看一下在模擬器中這個效果到底怎樣
10:41.134–10:42.594
[未翻譯]
10:42.594–10:45.014
這裡竟然可以在模擬器中打開
10:45.014–10:47.534
並且成功加載出來這個頁面
10:47.534–10:49.454
然後我們看一下這些功能
10:49.454–10:50.854
我們點擊開始學習
10:50.854–10:53.074
這裡可以發音
10:53.074–10:54.554
這裡可以收藏
10:54.554–10:56.094
這裡可以翻轉卡片
10:56.094–10:58.054
我們再看下一個
10:58.054–10:59.574
點擊認識
10:59.574–11:01.134
好，學習完成之後
11:01.134–11:02.114
這裡會提示完成
11:02.114–11:03.094
我們點擊完成
11:03.094–11:05.914
這裡就會顯示今天的進度
11:05.914–11:07.434
然後我們點擊隨機測試
11:07.434–11:08.974
這裡我們選擇一個聽力題目
11:08.974–11:10.634
點擊開始測試
11:10.634–11:16.894
好的，這裡我們成功完成了聽力測試
11:16.894–11:18.054
這裡是錯題回顧
11:18.054–11:19.234
我們點擊完成
11:19.234–11:21.614
這裡還會顯示進度
11:21.614–11:24.294
這是顯示我們剛才的進度
11:24.294–11:25.514
這裡還有成就徽章
11:25.514–11:27.294
我們再點擊設定看一下
11:27.294–11:28.494
這裡是設定
11:28.494–11:30.654
這裡還可以調整它的主題
11:30.654–11:32.074
我們調整為深色之後
11:32.074–11:33.514
它並沒有變成深色
11:33.514–11:35.214
仍然是這個淺色主題
11:35.214–11:36.694
這是一個 bug
11:36.694–11:39.414
這裡還可以設定每日學習的單詞數量
11:39.414–11:41.154
這裡還有每日提醒
11:41.154–11:43.694
這裡我們可以允許它進行提醒
11:43.694–11:45.074
這裡是提醒時間
11:45.074–11:46.734
我們可以進行設定
11:46.734–11:47.354
這樣看來
11:47.354–11:50.214
它幫我們實現的這個背單詞 app
11:50.214–11:52.334
總體來說還是不錯的
11:52.334–11:54.674
無論是這些配色還是這些功能
11:54.674–11:56.374
它基本上都實現了
11:56.374–11:57.314
雖然有一些 bug
11:57.314–11:59.474
比如說切換系統主題
11:59.474–12:00.634
切換成深色
12:00.634–12:01.894
它並沒有變成深色
12:01.894–12:04.374
這些我們可以繼續讓它修復
12:04.374–12:05.554
但總體來說
12:05.554–12:09.174
他實現的這個 app 確實實現了一個簡單的 MVP
12:09.174–12:10.794
我們確實可以正常運行
12:10.794–12:13.314
因為畢竟 Deepseek v4 flash 模型
12:13.314–12:16.734
它的參數量相比其他模型要小非常多
12:16.734–12:17.814
為了節省時間
12:17.814–12:20.414
我們就不再用其他測試題進行測試了
12:20.414–12:22.274
然後我們進入 API 後台
12:22.274–12:24.114
看一下我們這些測試題
12:24.114–12:26.994
測試完成總共花費了多少钱
12:26.994–12:30.614
可以看到這個餘額還剩18.58人民幣
12:30.614–12:31.994
看來這個模型
12:31.994–12:35.434
它的API價格真的非常非常非常便宜
12:35.434–12:40.054
所以我們可以用這款模型作為更強大模型的助手
12:40.054–12:44.494
比如在Codex中，我們可以用更強大的模型來規劃任務
12:44.494–12:49.134
然後透過subagent來呼叫deepseekv4flash模型
12:49.134–12:51.954
在這支影片中，我為大家示範了
12:51.954–12:54.414
如何為subagent接入第三方模型
12:54.414–12:55.454
比如說deepseek
12:55.454–12:58.514
像這樣看來，deepseekv4flash模型
12:58.514–13:01.634
它應該是國產模型中價格最便宜的
13:01.634–13:02.754
[未翻譯]
13:02.754–13:04.894
好，本期影片就到這裡
13:04.894–13:07.334
歡迎大家按讚、關注和轉發
13:07.334–13:08.474
謝謝大家觀看
0:00.000–0:07.220
Dipsick在今天发布了Dipsick V4 Flash 0731这款模型
Dipsick在今天發布了Dipsick V4 Flash 0731這款模型
0:07.220–0:10.760
这款模型的总参数是284笔
這款模型的總參數是284B
0:10.760–0:12.920
然后激活参数是13笔
然後激活參數是13B
0:12.920–0:15.540
它的上下文创口也是100万token
它的上下文创口也是100萬token
0:15.540–0:18.400
在官方发布的基准测试中
在官方發布的基準測試中
0:18.400–0:22.360
相比之前的Dipsick V4 Pro Preview这款模型
相比之前的Dipsick V4 Pro Preview這款模型
0:22.360–0:25.020
最新的Dipsick V4 Flash模型
最新的DeepSeek V4 Flash模型
0:25.020–0:27.240
在这9项基准测试中
在這9項基準測試中
0:27.240–0:30.780
都完全超越了之前的Deepseek V4 Pro模型
在這九項基準測試中皆全面超越了先前的 DeepSeek V4 Pro 模型
0:30.780–0:32.780
通过官方发布的基准测试
通過官方發布的基準測試
0:32.780–0:34.380
可以发现这款模型的能力
可以發現這款模型的能力
0:34.380–0:37.780
已经非常接近Cloud Ops 4.8模型
已經非常接近Cloud Ops 4.8模型
0:37.780–0:40.460
而且相比国产模型GLM5.2
而且相比國產模型GLM5.2
0:40.460–0:42.380
Deepseek V4 Flash模型
[未翻譯]
0:42.380–0:44.700
它在这9项基准测试中
它在這9項基準測試中
0:44.700–0:47.060
也是碾压GLM5.2的
也是碾壓GLM5.2的
0:47.060–0:50.120
所以这款模型已经从廉价快速模型
所以這款模型已經從廉價快速模型
0:50.120–0:53.200
跃升为了接近Cloud Ops 4.8的
躍升為了接近Cloud Ops 4.8的
0:53.200–0:54.500
一线Agent模型
一線Agent模型
0:54.500–0:56.500
本期视频我们就测试一下
本期視頻我們就測試一下
0:56.500–0:58.360
Deepseek v4 flash模型
[未翻譯]
0:58.360–1:01.700
它的能力是否像官方发布的基准测试一样
它的能力是否像官方發布的基準測試一樣
1:01.700–1:03.900
已经接近OPS4.8模型
已經接近OPS4.8模型
1:03.900–1:06.700
而且官方给出的Deepseek v4 flash
而且官方給出的Deepseek v4 flash
1:06.700–1:11.000
它的API定价相比之前的Deepseek v4 pro还要便宜
它的API定價相比之前的Deepseek v4 pro還要便宜
1:11.000–1:13.240
由于在Deepseek网页版中
由於在Deepseek網頁版中
1:13.240–1:16.280
官方还没有接入Deepseek v4 flash模型
官方還沒有接入Deepseek v4 flash模型
1:16.280–1:19.540
所以本期视频我们就通过API调用的方式
所以本期視頻我們就通過API調用的方式
1:19.540–1:23.880
在Cloud Code中来测试这款模型的综合能力到底怎样
在Cloud Code中來測試這款模型的綜合能力到底怎樣
1:23.880–1:26.100
想在Cloud Code中使用这款模型
想在Cloud Code中使用這款模型
1:26.100–1:26.680
非常简单
非常簡單
1:26.680–1:28.720
我们只需要将环节面量设置好
我們只需要將環境變量設置好
1:28.720–1:31.420
就可以这里跟上Deepseek的API Key
就可以這裡跟上Deepseek的API Key
1:31.420–1:33.780
这里我们设置好Deepseek它的模型ID
這裡我們設置好Deepseek它的模型ID
1:33.780–1:35.340
然后我们就直接运行
然後我們就直接運行
1:35.340–1:36.800
再启动Cloud Code
再啟動Cloud Code
1:36.800–1:41.320
然后我们可以将模型切换到Deepseek V4 Flash
然後我們可以將模型切換到Deepseek V4 Flash
1:41.320–1:42.980
在开始测试之前
在開始測試之前
1:42.980–1:45.680
我们先看一下我在Deepseek它的API中
我們先看一下我在Deepseek它的API中
1:45.680–1:46.880
我充了多少余额
我充了多少餘額
1:46.880–1:48.520
这里大概是20人民币
這裡大約是20人民幣
1:48.520–1:51.320
当我们在Cloud Code中测试完所有案例后
當我們在Cloud Code中測試完所有案例後
1:51.320–1:54.860
我们看一下在deep seek中会消耗多少额度
我們來看看在deep seek中會消耗多少額度
1:54.860–1:56.980
在cloudcode中我们先问一下
在cloudcode中我們先問一下
1:56.980–1:59.180
它的知识截止日期是什么时候
它的知識截止日期是什麼時候
1:59.180–2:00.540
然后我们就发送
然後我們就發送
2:00.540–2:00.740
好
[未翻譯]
2:00.740–2:03.560
他说他的知识截止日期是2025年初
他說他的知識截止日期是2025年初
2:03.560–2:06.160
训练数据覆盖到2025年1月
訓練數據覆蓋到2025年1月
2:06.160–2:08.920
因为刚才我们还问了他2025年12月
因為剛才我們還問了他2025年12月
2:08.920–2:10.800
日本首相的名字叫什么
日本首相的名字叫什麼
2:10.800–2:13.120
然后他并没有给出正确的回答
然後他並沒有給出正確的回答
2:13.120–2:16.980
这说明他的知识截止日期确实是在2025年初
這說明他的知識截止日期確實是在2025年初
2:16.980–2:17.380
好
[未翻譯]
2:17.380–2:19.420
下面我们开始进行测试
下面我們開始進行測試
2:19.420–2:21.420
在之前我测试kimike3的时候
在之前我測試kimike3的時候
2:21.420–2:24.420
我让kimike3按照科幻小说极光
我讓kimike3按照科幻小說極光
2:24.420–2:28.020
用前端技术复现了小说中的宇宙飞船
用前端技術復現了小說中的宇宙飛船
2:28.020–2:30.020
然后我们用相同的提示测
然後我們用相同的提示測
2:30.020–2:31.620
看一下在cloudcode中
讓我們來看看在Cloud Code中
2:31.620–2:35.820
它能否复现这部小说中的这个宇宙飞船
它能否復現這部小說中的這個宇宙飛船
2:35.820–2:39.820
然后我们将相同的提示测直接粘贴并且发送
然後我們將相同的提示測直接粘貼並且發送
2:39.820–2:43.020
这个提示测就是让它搜索并阅读小说极光
這個提示測就是讓它搜索並閱讀小說極光
2:43.020–2:44.820
然后用适合的前端技术
然後用適合的前端技術
2:44.820–2:47.020
画出小说中的宇宙飞船模型
畫出小說中的宇宙飛船模型
2:47.020–2:49.980
要求尽可能百分百还原小说中的飞船
要求盡可能百分百還原小說中的飛船
2:49.980–2:52.500
并且具备动态效果背景为深空
並且具備動態效果背景為深空
2:52.500–2:56.380
这里他正在调用网络搜索来搜索这部小说
這裡他正在調用網絡搜索來搜索這部小說
2:56.380–3:00.800
这里是他从小说中提取到的这一艘飞船的信息
這裡是他從小說中提取到的這一艘飛船的信息
3:00.800–3:03.020
好再等了大概20分钟左右
好再等了大概20分鐘左右
3:03.020–3:08.440
这里deepstick在cloudcode中帮我们实现了这个小说中的宇宙飞船
這裡deepstick在cloudcode中幫我們實現了這個小說中的宇宙飛船
3:08.440–3:09.640
然后我们可以看一下
然後我們可以看一下
3:09.640–3:13.120
打开之后我们可以看到他实现的这个宇宙飞船
打開之後我們可以看到他實現的這個宇宙飛船
3:13.120–3:15.580
看上去效果还是比较不错的
看上去效果還是不錯的
3:15.580–3:18.100
然后我们可以用指标拖动查看细节
然後我們可以用指標拖動查看細節
3:18.100–3:21.480
好这里可以看到飞船喷出的这些火焰
好這裡可以看到飛船噴出的這些火焰
3:21.480–3:24.500
然后还可以看到飞船的载人舱
然後還可以看到飛船的載人艙
3:24.500–3:25.860
这是两部分
這是兩部分
3:25.860–3:29.320
然后我们还可以看到这里是它飞向的目标
然後我們還可以看到這裡是它飛向的目標
3:29.320–3:30.880
这个目标是一个恒星
這個目標是一個恆星
3:30.880–3:32.640
在飞船的头部
在飛船的頭部
3:32.640–3:36.480
是它实现了这个可以产生磁场的一个设备
是它實現了這個可以產生磁場的設備
3:36.480–3:39.840
用来清除飞船前方的这些宇宙尘埃
用來清除飛船前方的這些宇宙塵埃
3:39.840–3:43.280
然后背景星空看上去也非常的真实
然後背景星空看上去也非常真實
3:43.280–3:44.580
这是我们测试的
這是我們測試的
3:44.580–3:47.000
让他先搜索这个小说
讓他先搜索這個小說
3:47.000–3:49.120
然后再根据小说中的细节
然後再根據小說中的細節
3:49.120–3:51.040
来复刻这个宇宙飞船
來復刻這個宇宙飛船
3:51.040–3:52.600
跟Kimiki3相比
與Kimiki 3相比
3:52.600–3:55.100
Kimiki3实现的这个光影效果比较好
Kimiki3實現的這個光影效果比較好
3:55.100–3:56.740
我们可以看得非常清晰
我們可以看得非常清晰
3:56.740–3:58.900
但Deepseek vs Flash模型
但Deepseek與Flash模型的表現
3:58.900–4:00.540
它实现的也非常不错
它實現的也非常不錯
4:00.540–4:02.900
因为这个任务是多步骤任务
因為這個任務是多步驟任務
4:02.900–4:04.300
还需要进行联网搜索
還需要進行聯網搜索
4:04.300–4:06.680
然后再进行代码编写
然後再進行代碼編寫
4:06.680–4:08.500
然后我们再看一下第二个测试题
然後我們再看一下第二個測試題
4:08.500–4:11.240
这个测试题就是模仿荒野大标客中
這個測試題就是模仿荒野大鏢客中
4:11.240–4:12.320
这个骑马的场景
這個騎馬的場景
4:12.320–4:14.040
然后我们可以控制这个码
然後我們可以控制這個碼
4:14.040–4:16.280
去移动还能去转弯
去移動還能去轉彎
4:16.280–4:18.120
还能去探索不同的区域
還能去探索不同的區域
4:18.120–4:20.600
然后我们就完整复制这个提示册
然後我們就完整複製這個提示冊
4:20.600–4:22.340
然后粘贴到Cloud Code
然後粘貼到Cloud Code
4:22.340–4:23.560
我们直接发送
我們直接發送
4:23.560–4:25.220
等完成开发之后
等完成開發之後
4:25.220–4:27.140
我们再和Kimike3
我們再和Kimike3
4:27.140–4:29.760
它开发的这个游戏效果进行对比
它開發的這個遊戲效果進行對比
4:29.760–4:32.300
好 这里Cloud Code耗时半小时
好 這裡Cloud Code耗時半小時
4:32.300–4:34.600
完成了模仿荒野大标客
完成了模仿荒野大鏢客
4:34.600–4:35.500
这个骑马游戏
這個騎馬遊戲
4:35.500–4:36.840
我们可以看一下这个效果
我們可以看一下這個效果
4:36.840–4:37.860
进入游戏之后
進入遊戲之後
4:37.860–4:40.120
我们还可以听到这种风的声音
我們還可以聽到這種風的聲音
4:40.120–4:43.500
然后还可以看到天空中飘落的这些叶子
然後還可以看到天空中飄落的這些葉子
4:43.500–4:44.940
然后这也是一匹马
然後這也是一匹馬
4:44.940–4:48.540
可以看到这匹马实现的并不是非常的完美
可以看到這匹馬實現的並不是非常完美
4:48.540–4:50.780
这个头跟身体有些分离
這個頭跟身體有些分離
4:50.780–4:53.700
然后我们操控这个马直接七星
然後我們操控這個馬直接七星
4:53.700–4:56.460
这个七星效果还是可以的
這個七星效果還是可以的
4:56.460–5:00.280
在七星的时候还能听到风声与马蹄声
在施展七星技能時，還能聽到風聲與馬蹄聲
5:00.280–5:02.060
然后远处还有这些云
然後遠處還有這些雲
5:02.060–5:04.280
然后现在天开始变黑了
然後現在天開始變黑了
5:04.280–5:07.700
天变黑之后我们可以看到这些房子亮起了灯
天變黑之後，我們可以看到這些房子亮起了燈
5:07.700–5:10.160
这个效果实现了也算可以
這個效果實現了也算可以
5:10.160–5:13.220
总体来说是比较不错的
總體來說是比较不错的
5:13.220–5:15.500
跟kimiki3相比的话
跟kimiki3相比的話
5:15.500–5:18.680
kimiki3实现的这个码的细节非常不错
kimiki3實現的這個碼的細節非常不錯
5:18.680–5:20.920
然后这个码的可操控性
然後這個碼的可操控性
5:20.920–5:22.380
效果也更好一些
效果也更好
5:22.380–5:25.420
毕竟kimiki3它的参数量要更大
畢竟kimiki3它的參數量要更大
5:25.420–5:27.300
而deep-sickv4 flash模型
而deep-sickv4 flash模型的參數量要小非常多
5:27.300–5:28.960
它的参数要小非常多
它的參數要小非常多
5:28.960–5:30.700
下面我们再继续测试
下面我們再繼續測試
5:30.700–5:33.880
像这个测试题也是我在kimiki3中
像這個測試題也是我在kimiki3中
5:33.880–5:38.200
让它用3gs实现的谷歌耳齿轮的一个动画
讓它用3gs實現的谷歌耳齒輪的一個動畫
5:38.200–5:40.420
它实现了这个谷歌耳齿轮
它實現了這個谷歌耳齒輪
5:40.420–5:42.940
这个动画效果看着非常震撼
這個動畫效果看著非常震撼
5:42.940–5:46.900
无论是光影效果还是它实现了这种齿轮的真实度
無論是光影效果還是它實現了這種齒輪的真實度
5:46.900–5:51.160
然后我们就用相同的提示测在Cloud Code中进行测试
然後我們就用相同的提示測在Cloud Code中進行測試
5:51.160–5:54.820
然后我们完整粘贴这个提示测直接发送
然後我們完整粘貼這個提示測直接發送
5:54.820–5:56.340
这个提示测非常简单
這個提示測非常簡單
5:56.340–5:59.360
用3gs实现演示谷歌耳齿轮
用3gs實現演示谷歌耳齒輪
5:59.360–6:01.660
然后这里就是具体的细节
然後這裡就是具體的細節
6:01.660–6:02.940
等它完成之后
等它完成之後
6:02.940–6:06.560
我们再和pmmk3实现了这个效果进行对比
我們再和pmmk3實現了這個效果進行對比
6:06.560–6:11.220
好这里耗时14分钟开发完成了这个谷歌耳齿轮
好這裡耗時14分鐘開發完成了這個谷歌耳齒輪
6:11.220–6:13.220
然后我们运行看一下效果
然後我們運行看一下效果
6:13.220–6:14.740
我们在浏览器打开
我們在瀏覽器打開
6:14.740–6:17.880
打开之后可以看到这些齿轮并没有连接在一起
打開之後可以看到這些齒輪並沒有連接在一起
6:17.880–6:21.840
但是它实现的这些齿轮的转速还是非常准确的
但是它實現的這些齒輪的轉速還是非常準確的
6:21.840–6:24.220
可以看到第一个齿轮在飞速转动
可以看到第一個齒輪在飛速轉動
6:24.220–6:25.420
然后这是第二个齿轮
然後這是第二個齒輪
6:25.420–6:26.840
这是第三个齿轮
這是第三個齒輪
6:26.840–6:29.360
它实现的这个光影效果也比较不错
它實現的光影效果也比較不錯
6:29.360–6:32.320
相比KPK3实现的这个骨盖齿轮
相比KPK3實現的這個骨蓋齒輪
6:32.320–6:36.400
Deepseek V4 Flash模型实现的还是比较粗糙的
Deepseek V4 Flash模型實現的還比較粗糙的
6:36.400–6:40.900
好下面我们再用这个手绘灯泡的测试题来测试一下
好下面我們再用這個手繪燈泡的測試題來測試一下
6:40.900–6:43.200
这是之前测试PIMIKI 3的时候
這是之前測試PIMIKI 3的時候
6:43.200–6:45.660
让它实现了一个手绘动画
讓它實現了一個手繪動畫
6:45.660–6:48.400
我们还是完整的复制这个提示册
我們還是完整複製這個提示詞
6:48.400–6:50.780
然后将提示册完整的粘贴
然後將提示詞完整貼上
6:50.780–6:52.660
创建一个HTML页面
建立一個HTML頁面
6:52.660–6:55.160
用SVG实现一个手绘动画效果
使用SVG實現手繪動畫效果
6:55.160–6:56.700
画一个灯泡图案
畫一個燈泡圖案
6:56.700–6:59.780
要求图案就像手在纸上慢慢画出来一样
要求圖案就像手在紙上慢慢畫出來一樣
6:59.780–7:02.380
看一下Deepseek vs Flash模型
來看看Deepseek vs Flash模型的表現
7:02.380–7:04.120
它实现了效果
它實現了效果
7:04.120–7:06.500
好这里它很快完成了这个动画
好，這裡它很快完成了這個動畫
7:06.500–7:07.500
我们打开看一下
我們打開來看一下
7:07.500–7:10.360
好这里它正在绘制这个灯泡
好，這裡它正在繪製這個燈泡
7:10.360–7:13.300
可以看到它是模仿了
可以看到它是在模仿
7:13.300–7:15.000
像人类一样在画画
像人類一樣在畫畫
7:15.000–7:17.120
它实现的这个手绘灯泡
它實現的這個手繪燈泡
7:17.120–7:18.460
效果也比较不错
效果也還不錯
7:18.460–7:20.060
跟KimiK3相比
與KimiK3相比
7:20.060–7:22.460
KimiK3它实现的这个灯泡
Kimi K3實現的這個燈泡
7:22.460–7:24.740
更加接近手绘的风格
更加接近手繪風格
7:24.740–7:26.780
然后DeepSick V4 Flash模型
然後DeepSick V4 Flash模型
7:26.780–7:28.320
它实现的这个灯泡
它實現的這個燈泡
7:28.320–7:30.120
在绘制的风格方面
在繪製風格方面
7:30.120–7:31.500
不够接近手绘
不夠接近手繪
7:31.500–7:33.200
下面我们再测试一下
下面我們再測試一下
7:33.200–7:33.820
这款模型
這款模型
7:33.820–7:36.200
它的数学公式可摄化能力
它的數學公式可視化能力
7:36.200–7:37.780
这里我数字一个提示词
這裡我輸入一個提示詞
7:37.780–7:39.520
我们可以看一下这个提示词
我們可以看一下這個提示詞
7:39.520–7:42.640
让它使用manim可视化二次函数
讓它使用manim可視化二次函數
7:42.640–7:44.960
要求显示绘制函数表达式
要求顯示繪製函數表達式
7:44.960–7:46.160
绘制函数曲线
繪製函數曲線
7:46.160–7:47.620
标注顶点和零点
標註頂點和零點
7:47.620–7:50.820
用动画展示函数图像的绘制过程
用動畫展示函數圖像的繪製過程
7:50.820–7:53.440
我们看一下Deepseek V4 Flash模型
我們來看看Deepseek V4 Flash模型
7:53.440–7:55.480
它实现的这个效果到底怎样
它實現的這個效果到底怎樣
7:55.480–7:57.820
好 这里Deepseek V4 Flash模型
好，這裡Deepseek V4 Flash模型
7:57.820–8:00.200
帮我们完成了这个数学公式可视化
幫我們完成了這個數學公式可視化
8:00.200–8:02.920
然后我们看一下它生成的这个视频
然後我們看一下它生成的這個影片
8:02.920–8:04.140
我们直接播放
我們直接播放
8:04.914–8:06.454
好 这里给出了数学公式
好，這裡給出了數學公式
8:07.734–8:09.274
好 现在开始绘制
好，現在開始繪製
8:12.074–8:13.114
这里还给出了顶点
這裡也給出了頂點
8:14.894–8:15.914
还给出了零点
也給出了零點
8:15.914–8:19.974
这个数学公式它绘制完成
這個數學公式繪製完成
8:19.974–8:21.514
它生成了这个视频
它生成了這個影片
8:21.514–8:23.254
效果也算可以
效果也算不錯
8:23.254–8:24.894
因为同样的提示次
因為同樣的提示詞
8:24.894–8:27.414
我们之前还测试过其他模型
我們之前還測試過其他模型
8:27.414–8:30.874
而它实现的这个动画还是比较流畅的
而它實現的這個動畫還算流暢
8:30.874–8:33.174
好 下面我们用格斗游戏引擎
好 接下來我們使用格鬥遊戲引擎
8:33.174–8:35.354
让Deepseek V4 Flash
讓 Deepseek V4 Flash
8:35.354–8:36.874
开发一款3D游戏
開發一款 3D 遊戲
8:36.874–8:38.774
我们测试一下Deepseek V4
我們測試一下 Deepseek V4
8:38.774–8:40.834
它的游戏开发能力到底如何
它的遊戲開發能力到底如何
8:40.834–8:42.694
像这个任务比较复杂
像這個任務比較複雜
8:42.694–8:44.254
我数据的提示次非常长
我的提示詞非常長
8:44.254–8:46.374
我们可以简单看一下这个提示词
我們可以簡單看一下這個提示詞
8:46.374–8:48.534
让它在一个已经数据化好的
讓它在一個已經數據化好的
8:48.534–8:49.914
格斗4项目中
格鬥 4 專案中
8:49.914–8:53.294
开发一款3D侏罗际坦克设计游戏原型
開發一款 3D 侏羅紀坦克設計遊戲原型
8:53.294–8:54.434
像这个测试题
像這個測試題
8:54.434–8:57.094
我在之前多期视频中都有进行演示
我在之前多期影片中都有進行演示
8:57.094–8:59.014
由于这个提示词非常长
由於這個提示詞非常長
8:59.014–9:01.774
这里就不再为大家去读这个提示词了
這裡就不再為大家讀這個提示詞了
9:01.774–9:03.934
好 这里耗时大约40分钟
好 這裡耗時大約 40 分鐘
9:03.934–9:04.634
完成了
[未翻譯]
9:04.634–9:08.014
我们让它使用格斗4游戏引擎
我們讓它使用格鬥 4 遊戲引擎
9:08.014–9:09.434
开发的一款游戏
開發的一款遊戲
9:09.434–9:10.834
好 进入游戏之后
好 進入遊戲之後
9:10.834–9:11.874
可以看到这个坦克
可以看到這個坦克
9:11.874–9:14.274
然后我们可以去发射炮弹
然後我們可以發射炮彈
9:14.274–9:16.554
然后我们操控一下这个坦克进行移动
然後我們操控這個坦克進行移動
9:16.554–9:20.754
可以看到这个坦克它实现的比较简陋
可以看到這個坦克實現得比較簡陋
9:20.754–9:24.534
但是这个炮弹发射的效果还算可以
但是這個炮彈發射的效果還算不錯
9:24.534–9:27.334
这个坦克的可操控性不是太好
這個坦克的可操控性不太好
9:27.334–9:30.054
我们移动的时候很难去控制方向
我們移動的時候很難控制方向
9:30.054–9:32.654
然后我们要求它实现的这个恐龙
然後我們要求它實現的這個恐龍
9:32.654–9:34.454
它实现的也不是非常像
它實現得也不太像
9:34.454–9:36.934
在天空中我们可以看到这个UFO
在天空中可以看到這個 UFO
9:36.934–9:38.914
这个UFO还是挺像的
這個 UFO 還挺像的
9:38.914–9:41.874
然后整个画面中并没有几个恐龙
然後整個畫面中並沒有幾個恐龍
9:41.874–9:43.634
只有这一条恐龙
只有這一隻恐龍
9:43.634–9:46.574
可能这个游戏对Deepseek和VS Flash模型
這個遊戲對 Deepseek 和 VS Flash 模型來說
9:46.574–9:48.934
还是非常有挑战性的
可能還是相當具有挑戰性的
9:48.934–9:51.414
这个游戏开发耗时39分钟
這個遊戲開發耗時 39 分鐘
9:51.414–9:54.354
然后上下我们占用了96%
然後上下我們佔用了 96%
9:54.354–9:56.814
它只实现了这个游戏可以运行
它只實現了遊戲可以運行
9:56.814–9:59.154
但我们要求的这些效果都没有实现
但我們要求的這些效果都沒有實現
9:59.154–10:00.594
下面我们再测试一下
下面我們再測試一下
10:00.594–10:04.474
它能否为我们完成这个iOS原生被单词的开发
它能否為我們完成這個 iOS 原生單詞應用的開發
10:04.474–10:05.754
像这个测试题
像這個測試題
10:05.754–10:08.414
之前我们已经测试过非常多的模型
之前我們已經測試過非常多的模型
10:08.414–10:10.394
无论是开源的还是闭源的
無論是開源的還是閉源的
10:10.394–10:12.874
然后我们就完整的复制这个提示册
然後我們就完整複製這個提示詞
10:12.874–10:15.934
然后直接粘贴提示册并且发送
然後直接粘貼提示詞並發送
10:15.934–10:18.914
我们看一下Deepseek V4 Flash模型
我們看一下 Deepseek V4 Flash 模型
10:18.914–10:21.794
它能否开发原生LS项目
它能否開發原生 iOS 項目
10:21.794–10:24.114
好 这里耗时24分钟
好，這裡耗時 24 分鐘
10:24.114–10:26.034
然后这个被单次应用
然後這個單詞應用
10:26.034–10:27.134
它完成开发
它完成開發
10:27.134–10:30.594
在这里这个上下文窗口已经占用了100%
在這裡這個上下文視窗已經佔用了 100%
10:30.594–10:33.334
然后我们在Xcode中点击运行
然後我們在 Xcode 中點擊運行
10:33.334–10:35.454
看一下它能否编译成功
看一下它能否編譯成功
10:35.454–10:36.514
这里编译成功
這裡編譯成功
10:36.514–10:37.834
这里启动了模拟器
這裡啟動了模擬器
10:37.834–10:41.134
我们看一下在模拟器中这个效果到底怎样
我們看一下在模擬器中這個效果到底怎樣
10:41.134–10:42.594
好非常神奇的是
[未翻譯]
10:42.594–10:45.014
这里竟然可以在模拟器中打开
這裡竟然可以在模擬器中打開
10:45.014–10:47.534
并且成功加载出来了这个页面
並且成功加載出來這個頁面
10:47.534–10:49.454
然后我们看一下这些功能
然後我們看一下這些功能
10:49.454–10:50.854
我们点击开始学习
我們點擊開始學習
10:50.854–10:53.074
这里可以发音
這裡可以發音
10:53.074–10:54.554
这里可以收藏
這裡可以收藏
10:54.554–10:56.094
这里可以翻装卡片
這裡可以翻轉卡片
10:56.094–10:58.054
我们再看下一个
我們再看下一個
10:58.054–10:59.574
点击认识
點擊認識
10:59.574–11:01.134
好学习完成之后
好，學習完成之後
11:01.134–11:02.114
这里会提示完成
這裡會提示完成
11:02.114–11:03.094
我们点击完成
我們點擊完成
11:03.094–11:05.914
这里就会显示今天的进度
這裡就會顯示今天的進度
11:05.914–11:07.434
然后我们点击随机测试
然後我們點擊隨機測試
11:07.434–11:08.974
这里我们选个听力题
這裡我們選擇一個聽力題目
11:08.974–11:10.634
点击开始测试
點擊開始測試
11:10.634–11:16.894
好 这里我们成功完成了听力测试
好的，這裡我們成功完成了聽力測試
11:16.894–11:18.054
这里是错题回顾
這裡是錯題回顧
11:18.054–11:19.234
我们点击完成
我們點擊完成
11:19.234–11:21.614
这里还会显示进度
這裡還會顯示進度
11:21.614–11:24.294
这是显示的我们刚才的进度
這是顯示我們剛才的進度
11:24.294–11:25.514
这里还有成就徽章
這裡還有成就徽章
11:25.514–11:27.294
我们再点击设置看一下
我們再點擊設定看一下
11:27.294–11:28.494
这里是设置
這裡是設定
11:28.494–11:30.654
这里还可以调节它的主题
這裡還可以調整它的主題
11:30.654–11:32.074
我们调整深色之后
我們調整為深色之後
11:32.074–11:33.514
它并没有变成深色
它並沒有變成深色
11:33.514–11:35.214
还是这个浅色主题
仍然是這個淺色主題
11:35.214–11:36.694
这是一个bug
這是一個 bug
11:36.694–11:39.414
这里还可以设置每日学习的单词数量
這裡還可以設定每日學習的單詞數量
11:39.414–11:41.154
这里还有每日提醒
這裡還有每日提醒
11:41.154–11:43.694
这里我们可以允许它提醒
這裡我們可以允許它進行提醒
11:43.694–11:45.074
这里是提醒实践
這裡是提醒時間
11:45.074–11:46.734
我们可以进行设置
我們可以進行設定
11:46.734–11:47.354
这样看来
這樣看來
11:47.354–11:50.214
它帮我们实现的这个被单词的app
它幫我們實現的這個背單詞 app
11:50.214–11:52.334
总体来说还是比较不错的
總體來說還是不錯的
11:52.334–11:54.674
无论是这些配色还是这些功能
無論是這些配色還是這些功能
11:54.674–11:56.374
它基本上都实现了
它基本上都實現了
11:56.374–11:57.314
虽然有一些bug
雖然有一些 bug
11:57.314–11:59.474
比如说切换系统主题
比如說切換系統主題
11:59.474–12:00.634
切换成声音色
切換成深色
12:00.634–12:01.894
它并没有变成声音色
它並沒有變成深色
12:01.894–12:04.374
这些我们还可以让它来继续修复
這些我們可以繼續讓它修復
12:04.374–12:05.554
但总体来说
但總體來說
12:05.554–12:09.174
他实现的这个app确实实现了一个简单的mvp
他實現的這個 app 確實實現了一個簡單的 MVP
12:09.174–12:10.794
我们确实可以正常运行
我們確實可以正常運行
12:10.794–12:13.314
因为毕竟Deepseek v4 flash模型
因為畢竟 Deepseek v4 flash 模型
12:13.314–12:16.734
它的参数量相比其他的模型要小非常多
它的參數量相比其他模型要小非常多
12:16.734–12:17.814
为了精神时间
為了節省時間
12:17.814–12:20.414
我们就不再用其他测试题进行测试了
我們就不再用其他測試題進行測試了
12:20.414–12:22.274
然后我们进入api后台
然後我們進入 API 後台
12:22.274–12:24.114
看一下我们这些测试题
看一下我們這些測試題
12:24.114–12:26.994
测试完成总共花费了多少钱
測試完成總共花費了多少钱
12:26.994–12:30.614
可以看到这个余额还剩18.58人民币
可以看到這個餘額還剩18.58人民幣
12:30.614–12:31.994
看来这个模型
看來這個模型
12:31.994–12:35.434
它的api价格真的是非常非常非常便宜
它的API價格真的非常非常非常便宜
12:35.434–12:40.054
所以我们可以用这款模型当做更强模型的助手
所以我們可以用這款模型作為更強大模型的助手
12:40.054–12:44.494
比如说在codex中我们可以用更强的模型来规划任务
比如在Codex中，我們可以用更強大的模型來規劃任務
12:44.494–12:49.134
然后通过subagent来调用deepseekv4flash模型
然後透過subagent來呼叫deepseekv4flash模型
12:49.134–12:51.954
在这期视频中我就为大家演示了
在這支影片中，我為大家示範了
12:51.954–12:54.414
如何为subagent接入第三方模型
如何為subagent接入第三方模型
12:54.414–12:55.454
比如说deepseek
比如說deepseek
12:55.454–12:58.514
像这样看来deepseekv4flash模型
像這樣看來，deepseekv4flash模型
12:58.514–13:01.634
它应该是国产模型中价格最便宜的
它應該是國產模型中價格最便宜的
13:01.634–13:02.754
但能力也不差
[未翻譯]
13:02.754–13:04.894
好本期视频就是做到这里
好，本期影片就到這裡
13:04.894–13:07.334
欢迎大家点赞关注和转发
歡迎大家按讚、關注和轉發
13:07.334–13:08.474
谢谢大家观看
謝謝大家觀看

影片筆記：🚀DeepSeek V4 Flash全面实测：Claude Code接入后连续开发7个项目，最便宜的国产模型！性能、速度与真实短板全曝光！对比Kimi K3优点和缺点都藏不住！是否超越Opus 4.8

一句話總結

影片實測 DeepSeek V4 Flash 模型，透過 Cloud Code 接入 API 連續開發 7 個專案（涵蓋前端、遊戲、3D 動畫與原生 App），驗證其極低的 API 成本與作為強模型「子代理（Sub-agent）」的輔助價值，但在光影細節、建模精細度與複雜邏輯實現上，與 Kimi K3 及 Claude Opus 4.8 仍有差距。

核心重點

  1. 模型規格與官方聲稱：
  • DeepSeek V4 Flash 總參數 284B，激活參數 13B，上下文窗口達 100 萬 token。
  • 官方聲稱在 9 項基準測試中超越 DeepSeek V4 Pro 及 GLM 5.2，能力接近 Claude Opus 4.8。
  • 知識截止日期確認為 2025 年初（2025 年 1 月）。
  1. 實戰測試結果（7 個專案）：
  • 前端復現小說場景：復現小說《極光》中的宇宙飛船，效果不錯，但光影細節不如 Kimi K3。
  • 遊戲開發（荒野大鏢客風格）：模仿騎馬場景，耗時 30 分鐘，效果尚可，但馬匹建模有瑕疵。
  • 3D 動畫（谷歌齒輪）：實現谷歌齒輪動畫，耗時 14 分鐘，光影不錯但結構連接粗糙。
  • SVG 動畫：手繪燈泡動畫，效果不錯，但風格不如 Kimi K3 接近手繪。
  • 數學可視化：使用 Manim 可視化二次函數，效果流暢。
  • 3D 遊戲引擎（Unreal Engine 4）：開發 3D 恐龍坦克遊戲，耗時 39-40 分鐘，效果簡陋，操控性差，未完全實現需求。
  • iOS 原生開發：開發背單字 App，耗時 24 分鐘，成功編譯運行，功能基本完整，但存在深色模式切換 Bug。
  1. 成本與應用建議：
  • API 價格極低，測試消耗極少餘額（初始約 20 人民幣，剩餘 18.58 人民幣）。
  • 建議用途：作為強模型的 Sub-agent（子代理），用於處理具體執行任務，而非獨立承擔高難度複雜邏輯。

詳細大綱

1. 模型基本資訊與測試環境

  • 發布者與版本：DeepSeek 發布的 V4 Flash。
  • 技術參數：
  • 總參數：284B。
  • 激活參數：13B。
  • 上下文窗口：100 萬 token。
  • 性能聲稱：
  • 超越 DeepSeek V4 Pro 及 GLM 5.2。
  • 能力接近 Claude Opus 4.8（逐字稿聽寫為 "Cloud Ops 4.8" 或 "OPS4.8"）。
  • 測試工具設定：
  • 使用 Cloud Code 結合 API 調用（因網頁版未直接接入）。
  • 費用監控：初始餘額約 20 人民幣。

2. 綜合能力測試細節

  • 知識截止驗證：
  • 確認知識覆蓋至 2025 年 1 月。
  • 視覺與前端開發測試：
  • 小說場景復現：復現《極光》宇宙飛船。對比 Kimi K3（逐字稿聽寫為 "kimike3", "Kimiki3" 等），V4 Flash 效果不錯但光影細節稍遜。
  • 3D 動畫：實現谷歌齒輪動畫（逐字稿聽寫為 "骨蓋齒輪"）。耗時 14 分鐘，光影佳但結構連接粗糙。
  • SVG 動畫：手繪燈泡動畫。風格不如 Kimi K3 接近手繪。
  • 遊戲開發測試：
  • 荒野大鏢客風格：模仿騎馬場景（逐字稿聽寫為 "七星" 或 "騎行"）。耗時 30 分鐘，馬匹建模有瑕疵。
  • Unreal Engine 4 遊戲：開發 3D 恐龍坦克遊戲（逐字稿聽寫為 "格斗4" 或 "格斗4游戏引擎"）。耗時 39-40 分鐘，效果簡陋，操控性差，未完全實現需求。
  • 數學與原生應用測試：
  • 數學可視化：使用 Manim 可視化二次函數，效果流暢。
  • iOS 原生應用：開發背單字 App（逐字稿聽寫為 "被單字"）。使用 Xcode 編譯與模擬器運行，耗時 24 分鐘。功能基本完整，但存在深色模式切換 Bug（逐字稿聽寫為 "声音色"）。

3. 成本分析與結論

  • 成本極低：
  • 測試結束後剩餘餘額 18.58 人民幣。
  • 對比其他模型，API 價格極具競爭力。
  • 應用定位：
  • 不建議單獨用於高難度複雜邏輯。
  • 建議作為強模型的 Sub-agent（子代理），輔助執行具體任務。

工具 / 模型 / 名詞整理

  • 模型名稱：
  • DeepSeek V4 Flash
  • DeepSeek V4 Pro
  • DeepSeek V4 Pro Preview
  • GLM 5.2
  • Claude Opus 4.8（逐字稿聽寫為 "Cloud Ops 4.8" 或 "OPS4.8"）
  • Kimi K3（逐字稿多次聽寫為 "kimike3", "Kimiki3", "pmmk3", "PIMIKI 3"）
  • Codex
  • 開發工具/平台：
  • Cloud Code
  • Xcode
  • Unreal Engine 4（逐字稿聽寫為 "格斗4" 或 "格斗4游戏引擎"）
  • Manim
  • SVG
  • HTML
  • 其他專有名詞/概念：
  • API Key
  • Sub-agent（子代理）
  • MVP（最小可行性產品）
  • iOS 原生應用
  • 基準測試（Benchmark）
  • 284B / 13B（參數單位，逐字稿聽寫為 "284笔 / 13笔"）

操作流程整理

  1. 環境準備：
  • 獲取 DeepSeek V4 Flash 的 API Key。
  • 在 Cloud Code 中配置 API 調用。
  • 監控初始餘額（約 20 人民幣）。
  1. 執行測試專案：
  • 專案 1：知識截止測試
  • 詢問近期事件，確認知識截止於 2025 年 1 月。
  • 專案 2：前端復現小說場景
  • 輸入小說《極光》場景描述。
  • 生成前端代碼，復現宇宙飛船。
  • 評估光影細節，對比 Kimi K3。
  • 專案 3：遊戲開發（荒野大鏢客風格）
  • 輸入騎馬場景需求。
  • 生成代碼，耗時約 30 分鐘。
  • 評估馬匹建模與場景效果。
  • 專案 4：3D 動畫（谷歌齒輪）
  • 輸入谷歌齒輪動畫需求。
  • 生成代碼，耗時約 14 分鐘。
  • 評估光影與結構連接。
  • 專案 5：SVG 動畫
  • 輸入手繪燈泡動畫需求。
  • 生成 SVG 代碼。
  • 評估手繪風格相似度。
  • 專案 6：數學可視化
  • 輸入二次函數需求。
  • 使用 Manim 生成動畫。
  • 評估流暢度。
  • 專案 7：3D 遊戲引擎（Unreal Engine 4）
  • 輸入 3D 恐龍坦克遊戲需求。
  • 生成代碼，耗時約 39-40 分鐘。
  • 評估效果簡陋程度、操控性及需求實現度。
  • 專案 8：iOS 原生開發
  • 輸入背單字 App 需求。
  • 使用 Xcode 編譯與模擬器運行。
  • 耗時約 24 分鐘。
  • 評估功能完整性及深色模式切換 Bug。
  1. 成本核算與結論：
  • 檢查剩餘餘額（18.58 人民幣）。
  • 總結模型作為 Sub-agent 的適用性。

值得注意的限制或風險

  1. 視覺細節與建模瑕疵：
  • 在復現小說場景、3D 動畫及遊戲開發中，光影細節、結構連接及建模精細度不如 Kimi K3。
  • 馬匹建模存在瑕疵，恐龍坦克遊戲效果簡陋且操控性差。
  1. 邏輯與功能完整性：
  • Unreal Engine 4 專案未完全實現需求。
  • iOS App 存在深色模式切換 Bug。
  1. 適用場景限制：
  • 不適合獨立承擔高難度、高複雜度的開發任務。
  • 更適合處理具體、執行性的子任務。
  1. 辨識與聽寫風險：
  • 部分模型名稱、工具名稱在逐字稿中存在聽寫錯誤，可能影響後續查證或準確引用。

逐字稿辨識疑點

  • Cloud Ops 4.8 / OPS4.8：逐字稿中多次出現此名稱，推測可能指代 Anthropic 的 Claude Opus 4.8，但依規則僅記錄原聽寫。
  • kimike3 / Kimiki3 / pmmk3 / PIMIKI 3：逐字稿中對同一模型的稱呼不一致，聽寫存在明顯差異，需查證是否均指代同一模型（推測為 Kimi K3）。
  • 格斗4：逐字稿中描述遊戲引擎時使用此詞，推測可能指 Unreal Engine 4，但依規則僅記錄原聽寫。
  • Deepstick：逐字稿中出現 "deepstick在cloudcode中"，推測為 DeepSeek 的聽寫錯誤。
  • 被單字：逐字稿中出現 "iOS原生被單字的開發" 及 "背單字應用"，推測 "被" 為 "背" 的聽寫錯誤。
  • 七星：逐字稿中出現 "直接七星"，推測為 "騎行" 或類似動作的聽寫錯誤。
  • 骨蓋齒輪：逐字稿中出現 "KPK3实现的这个骨盖齿轮"，推測為 "谷歌齒輪" 的聽寫錯誤。
  • 翻装卡片：逐字稿中出現 "这里可以翻装卡片"，推測為 "翻轉卡片" 的聽寫錯誤。
  • 声音色：逐字稿中出現 "切换成声音色"，推測為 "深色" 或 "深色模式" 的聽寫錯誤。
  • 提示次 / 提示册：逐字稿中多次出現 "提示次" 和 "提示册"，推測均為 "提示詞" 或 "Prompt" 的聽寫錯誤。
  • 284笔 / 13笔：參數單位聽寫為 "笔"，通常應為 "B" (Billion)，依規則保留原樣或標註疑點。
  • Deepseek vs Flash：部分段落將模型名稱聽寫為 "Deepseek vs Flash"，疑為 "DeepSeek V4 Flash" 的誤聽。

可延伸追問

  1. DeepSeek V4 Flash 的 284B 總參數與 13B 激活參數架構，對其推理速度與成本效益有何具體影響？
  2. 在 Cloud Code 中調用 API 時，如何最佳化提示詞（Prompt）以減少對光影細節和建模精細度的要求？
  3. 作為 Sub-agent，DeepSeek V4 Flash 與其他強模型（如 Claude Opus 4.8）協作時，任務拆分與交接的最佳實踐是什麼？
  4. 針對 iOS 原生開發中的深色模式 Bug，是否有特定的代碼結構或測試方法可以避免此類問題？
  5. DeepSeek V4 Flash 的知識截止日期為 2025 年 1 月，對於開發涉及近期技術框架的專案，有哪些補足策略？

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習