# 影片筆記：DeepSeek V4 Pro Is HERE – Is THIS the BEST Open Model Yet?


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列項目可能影響精確度，建議播放原片確認。

- 待修正：逐字稿品質檢核未完全通過（no_trustworthy_transcript_source）
- 待修正：部分時間軸可能不精確（unit 687: 5 chars owns 30.000s (max 8.000s)）
- 待修正：逐字稿品質檢核未完全通過（{'stage': 'canonical_transcript_quality', 'action': 'publication_blocked', 'signals': ['long_low_density_block', 'canonical_hallucination_detected', 'transcript_selection_not_resolved']}）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

影片測試了 DeepSeek 最新發布的通用版本 **V4 Pro (0813)**，透過生成 C++ 遊戲、3D 引擎模型、前端網頁及街機遊戲等多項複雜任務，評估其基準測試數據躍升後的實際效能、研究深度與成本效益，並與先前預覽版及其他模型進行對比。

## 核心重點

*   **DeepSeek V4 Pro (0813) 發布與規格**：
    *   這是 DeepSeek 最新發布的通用版本（General Availability, GA），與之前的 V4 Flash (0731) 類似。
    *   模型架構為混合專家模型（Mixture of Experts），擁有 **1.6 兆（1.6 trillion）參數**，其中活躍參數為 **490 億（49 billion）**。
    *   支援可選的思考模式（Thinking modes），測試時選擇「最大努力」（Maximum effort）。
    *   定價：輸入每百萬 token 4.35 美分，輸出每百萬 token 87 美分。
*   **基準測試數據躍升**：
    *   DeepSWE Score 從 **12.8** 躍升至 **62.7**。
    *   據稱可能超越 Opus 4.8，且為開放權重（Open weight）。
*   **實際效能測試結果**：
    *   **C++ 滑板遊戲（Skate Game）**：模型成功生成代碼並運行遊戲。視覺效果參差不齊（樹木形狀被形容像「poo」，腿部動作像踢腿，文字方向錯誤），但相比預覽版「非常糟糕」的結果，能力躍升顯著。
    *   **地鐵射擊遊戲（Subway FPS）**：模型生成代碼後持續嘗試除錯，效能不佳。視覺上地鐵車廂被形容為「見過最好的地鐵車廂」，但缺乏敵人且無法定位玩家，最終判定測試失敗。
    *   **3D 引擎模型（RB26）**：模型產出了詳細的研究資料與 3D 模型，雖因渦輪增壓器方向問題無法直接列印，但研究者肯定其「研究過程」與「假設性符合規格」的嚴謹度。
    *   **前端網頁設計（手錶網站）**：成功建立具備電影感平移效果的手錶展示網站，3D 渲染良好，但存在皮帶遮擋視角等設計瑕疵。
    *   **遊戲開發**：
        *   **敘事遊戲（Steve the PC Repairman）**：包含時間旅行元素與對話，雖有音效混亂與幾何問題，但整體體驗尚可。
        *   **街機遊戲（Street Eat）**：具有卡通風格與連擊系統，操作手感不錯，但存在物體方向與碰撞檢測問題。
*   **總體評價與反思**：
    *   模型在「研究深度」與「細節打磨」上表現優於其他模型，音樂與場景契合度高。
    *   **主要挫折點**：模型在零樣本測試中過度消耗時間與資源進行自我檢查（如使用無頭瀏覽器截圖熱圖），因缺乏視覺能力，這被認為是浪費令狀（token）。
    *   **總成本**：整個測試總花費為 **$1.91**，研究者認為相當便宜。

## 詳細大綱

### 1. DeepSeek V4 Pro (0813) 發布資訊
*   通用版本（GA）發布，無官方 X (Twitter) 公告，但網站有提及。
*   支援可選的思考模式，測試時選擇「最大努力」。
*   與 V4 Flash (0731) 類似。

### 2. 模型規格與基準測試數據
*   **參數規模**：1.6 兆參數，490 億活躍參數。
*   **DeepSWE Score**：從 12.8 躍升至 62.7。
*   **競爭力**：據稱可能超越 Opus 4.8，且為開放權重。
*   **價格**：輸入 4.35 美分/百萬 token，輸出 87 美分/百萬 token。

### 3. 實際效能測試環境設定
*   使用 OpenAI Beta 應用程式作為介面，路由至 DeepSeek V4 Pro 0813。
*   驗證應用程式功能（視窗調整、右鍵選單、聲音效果等）。

### 4. C++ 滑板遊戲（Skate Game）測試結果
*   模型成功生成代碼並運行遊戲。
*   **視覺評價**：
    *   樹木形狀被形容像「poo」（糞便）。
    *   腿部動作像踢腿。
    *   文字方向錯誤。
    *   水龍頭噴水效果有趣。
*   **對比**：能力躍升顯著，預覽版結果被形容為「非常糟糕」。

### 5. 地鐵射擊遊戲（Subway FPS）測試結果
*   模型生成代碼，但持續嘗試除錯，效能不佳。
*   **視覺評價**：
    *   地鐵車廂被形容為「見過最好的地鐵車廂」。
    *   缺乏敵人。
    *   無法定位玩家位置。
*   **結論**：遺憾地判定此測試失敗。

### 6. 新任務：創建 RB26 直列六缸引擎的 3D 模型
*   **要求**：可 3D 列印（少支援）、容納 N20 DC 馬達、用於 RC 車專案。
*   **生成結果分析**：
    *   **時間**：1 小時 10 分鐘。
    *   **內容**：包含大量研究資料、照片下載記錄及 intricate text 描述。
    *   **模型問題**：
        *   渦輪增壓器 (turbocharger) 方向錯誤 (sideways)。
        *   模型無法直接列印 (not printable)。
        *   在 OpenSCAD 中檢視發現由多個獨立部件組成。
    *   **正面評價**：
        *   研究過程詳細，試圖確保模型符合原始提示中的規格。
        *   雖非完美，但作為渲染圖 (render) 來看，組裝效果尚可。
        *   研究者認為「故事不在模型，而在研究過程」，這部分是 AI 常見的產出 (generic AI slop) 但確實做了大量工作。

### 7. 前端網頁設計評估 (手錶網站)
*   **任務要求**：創建手錶網站，需具備電影感平移效果 (cinematic panning effect)，手錶需為 3D 模型。
*   **生成結果分析**：
    *   **時間**：1 小時 30 分鐘。
    *   **視覺效果**：
        *   網站被評價為「非常接近優秀」(so close to excellent)。
        *   背景為木質，手錶放置在皮革卡片或墊子上。
        *   具備材質卡片 (material card)，顯示藍寶石水晶 (sapphire crystal) 等細節。
        *   展示兩款手錶：不鏽鋼選項與黃金選項，價格對應。
        *   支持自由旋轉查看。
    *   **缺點**：
        *   皮帶 (watch strap) 突出，遮擋了對精美錶帶的視線。
        *   皮革板 (leather slab) 抑制了觀看體驗。
    *   **文字內容**：包含 "quiet luxury measured in seconds", "sunburst dial" 等描述。

### 8. 遊戲開發評估
*   **遊戲一：Steve the PC Repairman (敘事/角色扮演)**
    *   **開發時間**：約 65 分鐘。
    *   **遊戲內容**：
        *   涉及時間旅行元素 (1980 年日期錯誤)。
        *   對話包含 "oatmeal cookies", "mr buttons" (貓) 等彩蛋。
        *   角色頭部動作有前後擺動，而非奇怪的下巴動作。
    *   **問題**：
        *   音效混亂 (sounds totally messed up)。
        *   存在幾何問題 (geometric issues)。
        *   對話覆蓋自身 (speech overlays itself)。
    *   **評價**：儘管有缺陷，但整體相當不錯 (pretty decent)。
*   **遊戲二：Street Eat (街機風格)**
    *   **開發時間**：約 1 小時。
    *   **遊戲內容**：
        *   場景設定在邁阿密 (Miami)，有棕櫚樹、濕度、壞人等元素。
        *   卡通風格 (cartoonness) 處理得當。
        *   包含連擊 (combo) 與分數系統。
    *   **問題**：
        *   物體方向不正確 (orientation not quite right)，移動時會側向移動。
        *   碰撞檢測問題：可以撞擊自行車、停車計時器，但不能撞擊建築物；可以吃雕像。
        *   互動邏輯：物體彈回建築物並擊中路徑上的其他物品。
    *   **評價**：具有街機風格，可玩性 (playability) 不錯，音樂與場景契合。

### 9. 總體反思與成本
*   **模型表現總結**：
    *   相比之前測試的模型，此模型在研究深度與細節上表現更好 (definitely better than other models)。
    *   在遊戲開發中，音樂與場景契合度高，卡通風格處理良好。
    *   3D 引擎模型雖不可列印，但預覽效果尚可。
*   **主要挫折點**：
    *   **過度檢查 (Going all out)**：模型在嘗試確保每一步都正確時，花費過多時間與資源。
    *   **無效的實踐**：模型試圖使用無頭瀏覽器 (headless browser) 截圖熱圖來自我檢查，但因為沒有視覺能力 (can't actually see it)，這被認為是浪費令狀 (token)。
    *   **建議改進**：在零樣本測試 (zero shot tests) 中，直接輸出腳本並測試修復，比模型自行進行大量內部檢查更有效率。
*   **成本**：
    *   整個測試總花費：**$1.91**。
    *   研究者認為這相當便宜 (pretty cheap)。

### 10. API 價值與性能評估
*   目標：提升 API 價值。
*   觀點：雖然聲稱有改進，但實際體驗涉及多個價格層級。
*   性能對比：某些選項被描述為「比較 performant」（性能較好），但依然非常便宜。
*   成本疑問：提及「五次费的费」及「不仍然不仍然」，對成本結構或计费方式存在疑惑或口誤。
*   特定版本介紹：DeepSeek V4 Pro 被認為是目前的預線（預覽）版本，且被認為是「很新鮮」的。

## 工具 / 模型 / 名詞整理

*   **DeepSeek V4 Pro (0813)**：DeepSeek 最新發布的通用版本模型。
*   **DeepSeek V4 Flash (0731)**：先前發布的模型版本。
*   **DeepSeek V4 (Preview)**：V4 Pro 的預覽版本。
*   **Opus 4.8**：被提及作為性能比較對象的模型。
*   **Kimmy K3**：被提及作為參數規模比較對象的模型。
*   **Quen 3.8 (Max)**：被多次提及作為視覺風格或性能比較的模型（聽寫可能為 Qwen 3.8）。
*   **OpenAI Beta Application**：用於路由至 DeepSeek API 的桌面應用程式。
*   **C++**：滑板遊戲使用的程式語言。
*   **NeoFetch / Negula (Nebula)**：用於測試系統資訊顯示的命令或工具。
*   **Calculator**：測試用的計算機應用程式。
*   **Aurora / City**：應用程式的主題或風格名稱。
*   **SKATENYC**：滑板遊戲的名稱。
*   **Subway FPS**：地鐵射擊遊戲的名稱。
*   **RB26 inline 6 engine**：測試任務中的引擎型號。
*   **N20 motor**：測試任務中需容納的小型直流馬達。
*   **Apple Vision Pro**：被用來形容全息卡片效果的參考設備。
*   **Van Halen**：被提及的樂團（用於形容聲音效果）。
*   **X**：社交媒體平台（原 Twitter）。
*   **WeChat**：被提及的 DeepSeek 相關群組平台。
*   **OpenSCAD**：用於檢視 3D 引擎模型的工具。
*   **Steve the PC Repairman**：生成的遊戲名稱。
*   **Street Eat**：生成的街機風格遊戲名稱。
*   **Flash model**：研究者提及的另一個模型名稱，用於對比。
*   **Sapphire crystal**：手錶網站中提到的材質名稱。
*   **Intake plenum**：引擎部件名稱。
*   **Downpipe**：引擎排氣部件名稱。
*   **Turbocharger**：渦輪增壓器。
*   **Azure Palm Job**：逐字稿中出現的名稱，疑點待查。
*   **STL**：3D 列印檔案格式。
*   **Slop**：AI 生成的低質量內容（網路用語）。
*   **Zero shot tests**：零樣本測試。
*   **Headless browser**：無頭瀏覽器。
*   **Token**：AI 計費單位。
*   **Reasoning mode**：模型的推理模式。
*   **max test video**：可能為特定測試名稱或口誤。

## 操作流程整理

1.  **環境準備**：
    *   使用 OpenAI Beta 應用程式作為介面。
    *   將請求路由至 DeepSeek V4 Pro 0813 API。
    *   驗證應用程式基本功能（視窗調整、右鍵選單、聲音效果）。
2.  **任務執行與監控**：
    *   **滑板遊戲測試**：要求生成 C++ 代碼運行滑板遊戲，監控生成過程與視覺效果。
    *   **地鐵遊戲測試**：要求生成地鐵射擊遊戲代碼，監控除錯過程與遊戲邏輯。
    *   **3D 引擎任務**：要求生成符合特定尺寸（容納 N20 馬達）的 RB26 引擎 3D 模型，監控研究資料生成與模型結構。
    *   **前端網頁任務**：要求創建具備電影感平移效果的手錶展示網站，監控 3D 渲染與設計細節。
    *   **遊戲開發任務**：要求生成敘事遊戲（Steve the PC Repairman）與街機遊戲（Street Eat），監控遊戲邏輯、音效與碰撞檢測。
3.  **結果評估**：
    *   檢查生成代碼的運行狀況與視覺呈現。
    *   評估模型在研究深度、細節打磨及自我檢查機制上的表現。
    *   計算總測試成本（$1.91）。
4.  **反思與總結**：
    *   對比預覽版與 V4 Pro 的效能差異。
    *   分析模型在零樣本測試中的效率問題（過度檢查）。
    *   總結模型在基準測試與實際應用中的競爭力。

## 值得注意的限制或風險

*   **視覺能力缺失導致效率低下**：模型在缺乏視覺能力的情况下，試圖使用無頭瀏覽器截圖熱圖來自我檢查，被認為是浪費令狀（token），在零樣本測試中效率過低。
*   **3D 模型列印限制**：生成的 3D 引擎模型因渦輪增壓器方向錯誤及結構問題，無法直接列印，僅能作為渲染圖參考。
*   **遊戲邏輯與碰撞檢測缺陷**：生成的遊戲存在物體方向不正確、碰撞檢測邏輯錯誤（如可撞擊自行車但不可撞擊建築物）等問題。
*   **視覺效果參差不齊**：部分生成內容（如樹木形狀、腿部動作、文字方向）存在明顯瑕疵，雖相比預覽版有進步，但仍不完美。
*   **成本與資源消耗**：雖然總成本 $1.91 被認為便宜，但模型在自我檢查上過度消耗時間與資源，可能影響實際應用效率。

## 逐字稿辨識疑點

*   **poo**：逐字稿中形容樹木形狀時使用，聽起來像是口誤或特定俚語，未確認是否為正確形容詞。
*   **Quen 3.8**：逐字稿中多次出現此名稱，通常指代 Qwen 系列，但依規則保留原聽寫。
*   **Kimmy K3**：模型名稱聽寫，需查證是否為正確模型名稱。
*   **Negula**：在執行 NeoFetch 後出現的詞彙，可能是口誤或特定輸出名稱，需查證。
*   **Aurora。OK。City。**：在討論應用程式風格時出現的斷續詞彙，語意不明，需查證是否為特定主題名稱。
*   **0731 / 0813**：日期格式，指代模型發布版本編號，保留原樣。
*   **1.6 trillion parameters / 49 billion active**：模型參數數據，保留原樣。
*   **4.35 cents / 87 cents**：API 定價數據，保留原樣。
*   **DeepSWE score**：基準測試分數名稱，保留原樣。
*   **12.8 to 62.7**：基準測試分數變化數據，保留原樣。
*