# 影片筆記：DeepSeek V4 Pro Is Out Today And It's A Problem For Every AI Lab!

## 一句話總結

DeepSeek v4 Pro 與 SpaceX 發布的 Grok 4.6 正式發布，兩者皆以極低的價格提供匹敵頂級實驗室（如 Fable 5、GPT 5.6）的性能，標誌著 2026 年 AI 競爭關鍵從「最強性能」轉向極致的「性價比」。

## 核心重點

1.  **DeepSeek v4 Pro 正式發布 (GA)**：
    *   經過更多訓練，性能顯著提升，在 Terminal Bench、Cyber Gym、Automation Bench 等多項基準測試中表現優異，部分項目超越 Fable 5。
    *   價格極具競爭力：輸入 43 美分/百萬 token，輸出 87 美分/百萬 token，據稱比 Fable 5 便宜約 57 倍。
    *   驗證了此前根據洩露投資者報告所做的性價比預測。

2.  **SpaceX Grok 4.6 發布**：
    *   被視為 SpaceX 團隊的重大進步，在 Artificial Analysis Intelligence Index、Code Val、Cursor Bench 等測試中與 Fable 5 和 GPT 5.6 打平或略勝。
    *   價格極低：輸入約 2 美元/百萬 token，輸出約 6 美元/百萬 token，性能匹敵頂級模型但成本大幅降低。
    *   已在 Cursor 和 Grok Build 平台可用，首週提供雙倍使用量優惠。

3.  **市場趨勢轉變 (2025 vs 2026)**：
    *   2025 年：實驗室專注於打造最強模型，對成本較寬鬆。
    *   2026 年：隨著 DeepSeek 和 SpaceX 等競爭對手以極低成本提供匹敵頂級性能的服務，「性價比 (Price to Performance)」成為用戶選擇模型的重要指標。

## 詳細大綱

### A. DeepSeek v4 Pro 正式發布與性價比革命
*   **發布狀態**：DeepSeek v4 Pro 今日正式發布 (General Availability, GA)。此前雖已可用但非正式版本，此次發布代表模型經過更多訓練，性能更強。
*   **基準測試表現**：
    *   **Terminal Bench 2.1**：得分 87.9，僅落後 Fable 5 (88) 0.1 分；舊版為 72.1，Flash 版為 82.7。
    *   **Cyber Gym (網路安全)**：得分 83.3，超越 Fable 5 (83.1)。顯示該模型在網路安全領域具備強大能力，延續了 Flash 版的優勢。
    *   **Deep Software Engineering**：得分 62.7，落後 Fable 5 (70)，但領先 GLM 5.2 和 Kimmy K3 (67.5)。相比預覽版的 12.8 有巨大提升。
    *   **Automation Bench**：得分 31.8，超越 Fable 5 (29.1)。
*   **價格優勢**：
    *   DeepSeek v4 Pro：輸入 43 美分/百萬 token，輸出 87 美分/百萬 token。
    *   對比 Fable 5：輸入 10.50 美元，輸出 50 美元。
    *   結論：DeepSeek v4 Pro 比 Fable 5 便宜約 57 倍。
*   **預測驗證**：此前根據洩露的投資者報告預測其性價比，當時持懷疑態度，但今日基準測試結果證實了預測。
*   **長期表現觀察**：目前僅基於基準測試，需觀察數週以確認生產環境中的長期穩定性，避免發布日表現好但隨後品質下降的情況。

### B. SpaceX Grok 4.6 發布與評估
*   **團隊轉變**：講者對 SpaceX 團隊在 2026 年的表現感到驚訝。2025 年發布的 Grok 4 等模型表現平平，但 2026 年的 Grok 4.5 和 4.6 顯示出競爭力。
*   **基準測試表現**：
    *   **Artificial Analysis Intelligence Index**：Grok 4.6 得分 61，與 Fable 5 (62) 和 GPT 5.6 (61, Max 設定) 打平或非常接近。
    *   **Code Val**：Grok 4.6 得分超越 Fable 5 (1741) 和 GPT 5.6 (1728)。
    *   **Deep Software Engineering**：得分 65.9，接近 Fable 5 (70) 和 GPT 5.6 (66)。
    *   **Cursor Bench**：得分 69.9，接近 Fable 5 (70.5)，並超越 GPT 5.6。
    *   **Frontier Code**：接近 Fable 5，超越 GPT 5.6。
*   **價格對比**：
    *   Grok 4.6：輸入約 2 美元/百萬 token，輸出約 6 美元/百萬 token。
    *   Fable 5：輸入 10 美元，輸出 50 美元。
    *   結論：Grok 4.6 性能匹敵頂級模型，但價格極低。
*   **平台與合作**：
    *   Grok 4.6 已在 Cursor 中可用。
    *   提及 SpaceX 與 Cursor 的合作或收購關係有助於其在 AI 領域的進展。
    *   預測 Grok Build 可能成為類似 Codeex 或 Cloud Code 的平台。
    *   **優惠**：首週在 Grok Build 和 Cursor 中提供雙倍使用量。
*   **輸出範例**：
    *   **Falcon 9 助推器返回序列模擬**：單個 HTML 文件生成，展現競爭力。
    *   **賽車遊戲**：使用 5 個字的提示詞 ("create a simple racing game in HTML")，Grok 4.6 在約 1 分鐘內生成。
*   **成本分析**：
    *   運行 GPT 5.6 在 Artificial Analysis Index 上的完整測試成本約為 1.1K（講者重複提及 2.6 和 1.1Kish，語意稍顯混亂，但強調 GPT 成本較高）。
    *   Grok 4.6 提供相似性能但成本僅為一半或更低。

### C. 市場總結與展望
*   **競爭格局變化**：
    *   2025 年：實驗室 (OpenAI, Anthropic 等) 專注於打造最強模型，對成本較寬鬆，因競爭較少。
    *   2026 年：出現智能模型雖未領先但能匹敵頂級性能且成本極低的競爭對手 (如 DeepSeek, SpaceX)。
*   **指標轉變**：性價比 (Price to Performance Ratio) 成為 2026 年關鍵指標。
*   **基準圖表更新**：新模型發布後，DeepSeek 和 Grok 在多個基準中匹配頂級性能，但 Opus 5 未被列入部分比較中 (講者疑惑為何未包含 Opus 5)。

## 工具 / 模型 / 名詞整理

*   **模型名稱**：
    *   DeepSeek version 4 Pro (DeepSeek v4 Pro)
    *   Grok 4.6 (Grok 4.6)
    *   Grok 4.5
    *   Grok 4
    *   Fable 5 (講者多次提及，疑為某實驗室頂級模型名稱)
    *   GPT 5.6 (講者提及，疑為 OpenAI 模型)
    *   Opus 5 (講者提及 Anthropic 模型，但未列入部分比較)
    *   GLM 5.2
    *   Kimmy K3
    *   Flash version (DeepSeek Flash)
*   **平台/工具**：
    *   Cursor
    *   Grok Build
    *   Codeex
    *   Cloud Code
    *   Artificial Analysis Intelligence Index (Artificial Analysis 智能指數)
    *   Terminal Bench 2.1
    *   Cyber Gym (Cyber Security 基準測試)
    *   Deep Software Engineering (基準測試)
    *   Cursor Bench
    *   Frontier Code (基準測試)
    *   Automation Bench
*   **其他專有名詞**：
    *   SpaceX
    *   Deepseek team
    *   Frontier Labs (頂級實驗室)
    *   OpenAI
    *   Anthropic
    *   Universe of AI newsletter (Universe of AI 通訊)
    *   World of AI (頻道名稱)
    *   X (平台)

## 操作流程整理

1.  **評估 DeepSeek v4 Pro 性能**：
    *   查看 Terminal Bench 2.1 得分 (87.9)。
    *   查看 Cyber Gym 得分 (83.3)。
    *   查看 Deep Software Engineering 得分 (62.7)。
    *   查看 Automation Bench 得分 (31.8)。
    *   確認價格：輸入 43 美分/百萬 token，輸出 87 美分/百萬 token。
    *   與 Fable 5 進行價格對比 (便宜約 57 倍)。

2.  **評估 Grok 4.6 性能**：
    *   查看 Artificial Analysis Intelligence Index 得分 (61)。
    *   查看 Code Val 得分 (超越 Fable 5 和 GPT 5.6)。
    *   查看 Deep Software Engineering 得分 (65.9)。
    *   查看 Cursor Bench 得分 (69.9)。
    *   確認價格：輸入約 2 美元/百萬 token，輸出約 6 美元/百萬 token。
    *   確認平台可用性：Cursor 和 Grok Build。
    *   利用首週雙倍使用量優惠進行測試。

3.  **生成範例測試**：
    *   使用 Grok 4.6 生成 Falcon 9 助推器返回序列模擬 (單個 HTML 文件)。
    *   使用 5 字提示詞 ("create a simple racing game in HTML") 生成賽車遊戲，耗時約 1 分鐘。

4.  **市場趨勢分析**：
    *   比較 2025 年與 2026 年的競爭重點 (性能 vs. 性價比)。
    *   觀察 DeepSeek 和 Grok 在基準測試中與頂級模型 (Fable 5, GPT 5.6) 的表現對比。
    *   關注生產環境中的長期穩定性。

## 值得注意的限制或風險

1.  **生產環境穩定性**：目前僅基於基準測試，需觀察數週以確認生產環境中的長期穩定性，避免發布日表現好但隨後品質下降的情況。
2.  **基準測試的局限性**：基準測試結果可能無法完全反映實際生產環境中的表現，特別是長期運行的穩定性。
3.  **模型名稱與版本的準確性**：影片中提及的多個模型名稱 (如 Fable 5, GPT 5.6, Kimmy K3, Opus 5) 和基準測試名稱可能存在辨識錯誤或為非標準命名，需進一步查證。
4.  **價格單位的清晰度**：部分價格描述 (如 "1.1Kish", "2.6") 語意不清晰，可能影響對成本的準確評估。
5.  **Opus 5 的缺席**：講者疑惑為何 Opus 5 未被列入部分比較中，這可能影響對整體競爭格局的完整理解。

## 逐字稿辨識疑點

*   **Fable 5**：逐字稿中多次出現 "Fable 5"，並與 GPT 5.6、Opus 5 並列為頂級模型。此名稱在常見 AI 模型中較不常見，可能為聽寫錯誤（例如是否為 "Claude 3.5"、"Gemini 1.5 Pro" 或其他模型？），但根據規則僅標記為「需查證」。
*   **GPT 5.6**：講者提及 "GPT 5.6"，目前 OpenAI 主流模型版本號通常不以此格式出現（如 GPT-4o, GPT-4.5 等），此為「需查證」的模型名稱。
*   **Kimmy K3**：講者提及 "Kimmy K3" 在 Deep Software Engineering 基準中得分 67.5。此名稱疑似為聽寫錯誤（可能指代某特定模型或實驗室產品），標記為「需查證」。
*   **GLM 5.2**：講者提及 "GLM 5.2"。GLM 系列通常由智譜 AI 開發，版本號格式需查證是否準確。
*   **Opus 5**：講者提及 "Opus 5" 為 Anthropic 的模型。目前 Anthropic 頂級模型為 Opus (Claude 3 Opus)，"Opus 5" 可能為聽寫錯誤或未來預測名稱，標記為「需查證」。
*   **1.1Kish / 2.6**：在描述運行 GPT 5.6 的成本時，講者重複提及 "2.6" 和 "1.1Kish"，語意不清晰，可能指 1.1K (1100) 或其他單位，標記為「需查證」。
*   **Deep Software Engineering one**：講者口語中出現 "Deep Software Engineering one"，應指 "Deep Software Engineering" 基準測試，"one" 可能為口語贅字或聽誤。
*   **Soul**：在 "GPT 5.6 six soul" 處，"soul" 可能為 "score"（得分）的聽寫錯誤，或特定術語，標記為「需查證」。
*   **Enthropic**：講者口語中將 "Anthropic" 聽寫為 "Enthropic"，標記為「需查證」。
*   **Cursor Bench 3.2**：講者提及 "Cursor Bench 3.2"，需查證該基準測試版本號是否準確。
*   **Terminal Bench 2.1**：講者提及 "Terminal Bench 2.1"，需查證該基準測試版本號是否準確。
*   **Cyber Gym**：講者提及 "Cyber Gym" 作為網路安全基準，需查證該基準測試名稱是否準確。
*   **Automation Bench**：講者提及 "Automation Bench"，需查證該基準測試名稱是否準確。
*   **Frontier Code**：講者提及 "Frontier Code" 作為基準，需查證該基準測試名稱是否準確。
*   **Artificial Analysis Intelligence Index**：講者提及此指數，需查證其準確名稱是否為 "Artificial Analysis Intelligence Index" 或類似名稱。
*   **Universe of AI newsletter**：講者提及通訊名稱，需查證是否為 "Universe of AI" 或 "World of AI" 相關通訊。
*   **World of AI**：講者提及頻道名稱 "World of AI"，需查證是否為正確頻道名稱。
*   **X**：講者提及在 "X" 上關注，指推特平台，標記為「需查證」平台名稱。
*   **SpaceX team**：講者將 Grok 開發團隊稱為 "SpaceX team"，需查證是否準確指代 xAI 團隊。
*   **Grok Build**：講者提及 "Grok Build" 平台，需查證是否為正確產品名稱。
*   **Codeex**：講者提及 "Codeex" 平台，需查證是否為正確產品名稱。
*   **Cloud Code**：講者提及 "Cloud Code" 平台，需查證是否為正確產品名稱。
*   **Deepseek version 4 Pro GA**：講者提及 "GA" (General Availability)，標記為「需查證」縮寫含義。
*   **Investor report**：講者提及洩露的 "investor report"，需查證具體報告名稱。
*   **Falcon 9 booster return sequence simulation**：講者提及此模擬範例，標記為「需查證」具體內容描述。
*   **HTML file**：講者提及生成單個 HTML 文件，標記為「需查證」技術細節。
*   **5-word prompt**：講者提及 "fiveword prompt"，標記為「需查證」提示詞長度描述。
*   **Create a simple racing game in HTML**：講者提及此提示詞，標記為「需查證」具體提示詞內容。
*   **1 minute**：講者提及生成賽車遊戲耗時約 1 分鐘，標記為「需查證」時間描述。
*   **2 per million input tokens**：講者提及 Grok 4.6 輸入價格，標記為「需查證」價格單位。
*   **6 per million output tokens**：講者提及 Grok 4.6 輸出價格，標記為「需查證」價格單位。
*   **10 per million input tokens**：講者提及 Fable 5 輸入價格，標記為「需查證」價格單位。
*   **50 per million output tokens**：講者提及 Fable 5 輸出價格，標記為「需查證」價格