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

## 一句話總結
影片測試 DeepSeek 最新發布的 V4 Pro (0813 checkpoint) 通用版，透過 Cursor、ChatGPT Desktop Beta 及 Codex 進行多項複雜任務（2D/3D 遊戲生成、3D 模型設計、前端網頁開發），評估其技術規格、定價競爭力、生成質量與效率，並與預覽版及其他模型進行對比。

## 核心重點
1.  **模型發布與規格**：DeepSeek V4 Pro 通用版（0813 checkpoint）已發布，擁有 100 萬上下文窗口、最大輸出長度 384K、1.6 兆總參數（混合專家架構，490 億活躍參數）。
2.  **定價優勢**：目前 API 定價極低（輸入 $0.4335/百萬 token，輸出 $0.87/百萬 token），預計未來漲價後仍具競爭力。
3.  **測試環境**：使用 Cursor 編輯器、ChatGPT Desktop App (Beta) 及 OpenAI API Key 驅動 Codex (Beta)，路由至 DeepSeek V4 Pro 0813，並開啟最大推理努力（Maximum Effort/Thinking Mode）。
4.  **生成能力評估**：
    *   **2D 遊戲**：能生成具有合成波風格的模擬操作系統界面及街機風格遊戲（如 Street Yeet），但存在音頻混亂、幾何錯誤及操作邏輯問題。
    *   **3D 模型**：能生成詳細的 RB26 引擎模型，但結構複雜度導致 3D 列印可行性低；手錶前端設計評價極高，接近優秀。
    *   **進步顯著**：相比 V4 Pro 預覽版，通用版在能力上有顯著提升，雖不及 Flash 模型令人印象深刻，但作為預覽版的升級是顯著的。
5.  **效率與痛點**：模型在無視覺反饋下，過度嘗試自我檢查（如啟動無頭瀏覽器截圖、做熱圖），導致耗時長且消耗大量 Token。測試者建議簡化流程，直接輸出腳本後手動修正。
6.  **成本效益**：整個測試過程總成本約 $1.91，即使未來漲價五倍，總成本仍不算糟糕。

## 詳細大綱

### 1. DeepSeek V4 Pro 0813 發布概況
*   **發布資訊**：DeepSeek V4 Pro 通用版（0813 checkpoint）已發布，此前 V4 Flash 通用版於 7/31 發布。無官方 X 平台公告，僅在網站和 OpenRouter 上可見。
*   **技術規格**：
    *   上下文窗口：100 萬。
    *   最大輸出長度：384K。
    *   參數量：1.6 兆總參數，490 億活躍參數（混合專家模型）。
    *   可選思考模式（Thinking Modes），測試時選擇最大努力。
*   **性能預期**：與 V4 Flash 預覽版及通用版相比有性能躍升，引用疑似來自 DeepSeek 相關群組的基準測試結果，提及超越 Opus 3.8 的潛力。

### 2. 定價策略
*   **當前定價**：輸入每百萬 token $0.4335，輸出每百萬 token $0.87。
*   **未來預測**：預計未來定價將大幅上漲，但目前仍具競爭力。

### 3. 測試工具與環境設定
*   **工具**：Cursor 編輯器、ChatGPT Desktop App (Beta 版本)、OpenAI Beta Application。
*   **路由設定**：直接指向 DeepSeek V4 Pro 0813，開啟最大推理努力。

### 4. 實際測試過程與反饋

#### A. 初步測試：Gen 3 美學風格模擬操作系統
*   **界面風格**：合成波（Synth Wave）主題，透明背景，Gen 3 美學。
*   **功能測試**：
    *   **文件系統**：靜態但可互動（創建/刪除）。
    *   **記事本**：能記住目錄刪除操作。
    *   **終端（Neofetch）**：記憶體顯示為 1.44 MB（講者幽默稱其為「infinity」的一部分）。
    *   **計算機**：運算正確。
    *   **設定**：風格類似 Qwen 2.5 8B，包含遊戲難度選擇。
*   **遊戲測試**：
    *   **City Heist**：聲音效果有趣，操作需按 Enter。
    *   **全息桌面**：觸發後呈現類似 Apple Vision Pro 的卡片疊加效果。
    *   **滑板遊戲**：使用 ChatGPT 桌面版生成 C++ 滑板遊戲，耗時 68 分 24 秒，總費用約 20 美分。畫面評價：樹木像糞便（poo），但可能是最有趣的滑板遊戲結果之一。

#### B. DeepSeek V4 (Preview Version) 回顧與複雜任務測試
*   **Subway FPS Test**：
    *   生成地鐵站場景與生存射擊遊戲。
    *   評價：中等（mid）。優點包括地鐵車廂繪製精美、彈殼掉落動畫真實、武器模型平滑；缺點包括缺乏敵人、角色移動動作滑稽（waddle）、按鈕位置錯位。
    *   修復版檢查：按鈕位置錯位、敵人缺失問題未解決，判定為失敗。
*   **RB26 Inline 6 Engine 3D 模型任務**：
    *   需求：3D 列印（少支援）、容納 N20 DC 馬達、RC 車專案。
    *   過程：耗時 1 小時 10 分鐘，模型展現詳細研究過程（排氣管、進氣側等）。
    *   結果：渲染效果良好，但整體結構難以無支援列印，且非單一整體列印設計。評語為「溫吞（lukewarm）」。
*   **Watch Front-end Design Test**：
    *   需求：電影級平移效果、3D 手錶資產、網站前端。
    *   過程：耗時 1 小時 30 分鐘。
    *   結果：評價極高，「非常接近優秀」。優點包括高級美學、木質背景、皮革墊、錶盤與材質（藍寶石水晶、不鏽鋼、黃金）渲染精美。缺點包括錶帶突出遮擋視線、皮革板遮擋錶帶、錶針無動作。

#### C. DeepSeek V4 Pro (0813) 最終評估與遊戲生成
*   **工具使用**：使用 OpenAI API Key 驅動 Codex（Beta 桌面版）在後台運行任務。
*   **遊戲一：Steve the PC repairman (電影風格遊戲)**
    *   耗時約 65 分鐘。
    *   內容：角色自我介紹為 Steve，電腦維修員，場景涉及 Azure Palm Resort。
    *   反饋：音頻混亂（語音重疊）、幾何問題、場景放置奇怪，但整體相當不錯，比預期的好。
*   **遊戲二：Street Yeet (街機風格遊戲)**
    *   機制：玩家控制角色在城市中移動，撞擊自行車、行人等，具有連擊倍數和分數系統。
    *   反饋：卡通風格做得相當好，節奏不錯，互動效果令人驚訝地酷。缺點包括文本上下移動而另一部分靜止，部分物體方向不正確。
*   **模型評價**：
    *   相比於感覺「未煮熟」的預覽版，這是顯著改進。
    *   雖然進步巨大，但 Flash 模型仍給測試者留下更深刻印象。
    *   **痛點**：模型沒有視覺能力，卻試圖通過啟動無頭瀏覽器截圖、做熱圖來自我檢查，導致過度消耗 Token 和時間。
*   **成本分析**：
    *   整個測試總成本約 $1.91。
    *   即使 DeepSeek 預計將顯著提高 API 價格，但目前價格仍具競爭力。

### 5. 結尾
*   邀請觀眾在評論區留言。
*   感謝觀眾觀看影片。
*   後續計劃：測試 Grok 3、Qwen 2 72B，期待 MuseTalk 1.2 的發布。

## 工具 / 模型 / 名詞整理
*   **DeepSeek V4 Pro** (0813 checkpoint / 通用版)
*   **DeepSeek V4 Flash** (0731 通用版)
*   **DeepSeek V4 Pro Preview**
*   **DeepSeek V4 Flash Preview**
*   **OpenRouter**
*   **Cursor** (編輯器)
*   **ChatGPT Desktop App** (Beta 版本)
*   **OpenAI Beta Application**
*   **Codex** (工具，Beta 桌面版)
*   **Open AI API key** (工具/憑證)
*   **X** (平台)
*   **WeChat** (群組)
*   **Opus 3.8** (提及的競爭模型)
*   **Kimi K3** (提及的模型)
*   **Qwen 3.2** (提及的模型)
*   **Qwen 2.5 8B** (風格對比)
*   **Qwen 2.5** (提及的模型)
*   **Qwen 2 8B max** (用於成本對比)
*   **Qwen 2 72B** (提及的模型)
*   **Grok 3** (提及的模型)
*   **MuseTalk 1.2** (模型/工具名稱)
*   **Apple Vision Pro** (參考界面風格)
*   **Neofetch** (命令/工具)
*   **C++** (程式語言)
*   **City Heist** (遊戲名稱)
*   **Skate NYC** (遊戲名稱)
*   **Van Halen** (音樂團體)
*   **Subway FPS** (遊戲名稱)
*   **Steve the PC repair game** (遊戲名稱)
*   **Street Yeet** (遊戲名稱)
*   **RB26 inline 6 engine** (引擎)
*   **N20 motor** (DC 馬達)
*   **Downpipe** (排氣管)
*   **Intake plenum** (進氣歧管)
*   **Turbocharger** (渦輪增壓器)
*   **Oil pan** (油底殼)
*   **STL** (檔案格式)
*   **Nissan** (標誌/文字)
*   **OpenSCAD** (軟體)
*   **Azure Palm Resort** (遊戲內場景名稱)
*   **Charles** (遊戲內客戶角色)
*   **Mr. Buttons** (遊戲內角色/寵物)
*   **Mr. Thomas** (遊戲內角色)
*   **Mr. Colton / Coulter** (遊戲內反派角色)
*   **Headless browser** (技術術語)
*   **Heat map** (技術術語)
*   **General availability** (產品發布狀態術語)
*   **Flash model** (模型名稱，指代 DeepSeek 的 Flash 版本)

## 操作流程整理
1.  **環境準備**：
    *   安裝並開啟 Cursor 編輯器及 ChatGPT Desktop App (Beta)。
    *   配置路由至 DeepSeek V4 Pro 0813 模型。
    *   開啟最大推理努力（Maximum Effort/Thinking Mode）。
    *   準備 OpenAI API Key 以驅動 Codex (Beta 桌面版)。
2.  **任務執行**：
    *   **2D 遊戲生成**：在 ChatGPT Desktop App 中輸入提示詞，生成具有合成波風格的模擬操作系統界面及街機風格遊戲（如 Street Yeet）。
    *   **3D 模型設計**：在 Codex 中輸入詳細提示詞（如 RB26 引擎規格、手錶前端設計需求），生成 3D 模型或前端代碼。
    *   **電影風格遊戲生成**：使用 Codex 生成「Steve the PC repairman」遊戲，耗時約 65 分鐘。
3.  **評估與反饋**：
    *   檢查生成內容的視覺效果、音頻、幾何結構及互動性。
    *   識別問題（如敵人缺失、幾何錯誤、音頻混亂）。
    *   評估模型在無視覺反饋下的自我檢查行為（如啟動無頭瀏覽器截圖）。
4.  **成本與效率分析**：
    *   記錄生成過程的耗時與 Token 消耗。
    *   計算總成本（約 $1.91）。
    *   對比不同模型（Flash vs. Pro）的性能與成本效益。

## 值得注意的限制或風險
1.  **無視覺反饋的缺陷**：模型沒有視覺能力，卻試圖通過啟動無頭瀏覽器截圖、做熱圖來自我檢查，導致過度消耗 Token 和時間。
2.  **效率問題**：測試者認為更簡單的方法是讓模型直接輸出腳本，測試者手動檢查並指出錯誤，讓模型修復，而非模型試圖全方位自我完善。
3.  **生成質量不穩定**：
    *   2D 遊戲存在音頻混亂、幾何錯誤及操作邏輯問題。
    *   3D 模型結構複雜度導致 3D 列印可行性低。
    *   部分遊戲場景放置奇怪，角色動作滑稽。
4.  **定價上漲風險**：DeepSeek 預計將顯著提高 API 價格，雖然目前價格具競爭力，但未來漲價可能影響成本效益。

## 逐字稿辨識疑點
*   **poo**：逐字稿中形容樹木「reminiscent of a poo」，疑為口誤或聽寫錯誤，可能意指「pool」（泳池）或其他詞彙，但依規則保留原樣。
*   **1.44 megs out of infinity**：Neofetch 顯示記憶體為 1.44 MB，講者稱其為「infinity」（無限）的一部分，疑為幽默或口誤，實際記憶體單位應為 MB 或 GB，但依規則保留原樣。
*   **1.6 trillion parameter mixture of experts model with 49 billion active**：參數數量描述，疑點在於「how many active ?」後的問號，可能為語法不完整或口語停頓，但數值 1.6 兆與 490 億依規則保留。
*   **0.43 35**：定價描述，疑點在於小數點後的空格或斷句，實際應為 0.4335，但依規則保留原樣。
*   **12 . 8 to 62 . 7**：基準測試數值，疑點在於小數點後的空格，實際應為 12.8 到 62.7，但依規則保留原樣。
*   **Gen 3 aesthetic**：形容界面風格，疑點在於是否為特定術語或口誤，但依規則保留原樣。
*   **Synth wave theme**：形容界面風格，依規則保留原樣。
*   **Holographic desktop feature**：全息桌面功能，依規則保留原樣。
*   **City Heist**：遊戲名稱，依規則保留原樣。
*   **Skate NYC**：遊戲名稱，依規則保留原樣。
*   **Van Halen**：音樂團體，依規則保留原樣。
*   **Opus 3 . 8 8**：提及的模型版本，疑點在於重複的 8，實際應為 Opus 3.8，但依規則保留原樣。
*   **Kimi K3**：提及的模型，依規則保留原樣。
*   **Qwen 3 . 2**：提及的模型，疑點在於小數點後的空格，實際應為 Qwen 3.2，但依規則保留原樣。
*   **Qwen 2.5 8B**：提及的模型，依規則保留原樣。
*   **Qwen 2.5**：提及的模型，依規則保留原樣。
*   **Apple Vision Pro**：參考界面風格，依規則保留原樣。
*   **Neofetch**：命令/工具，依規則保留原樣。
*   **C++**：程式語言，依規則保留原樣。
*   **Cursor**：編輯器，依規則保留原樣。
*   **ChatGPT Desktop App**：產品名稱，依規則保留原樣。
*   **OpenAI Beta Application**：產品名稱，依規則保留原樣。
*   **X**：平台，依規則保留原樣。
*   **WeChat**：平台，依規則保留原樣。
*   **OpenRouter**：平台，依規則保留原樣。
*   **DeepSeek V4 Pro**：模型名稱，依規則保留原樣。
*   **DeepSeek V4 Flash**：模型名稱，依規則保留原樣。
*   **DeepSeek V4 Pro Preview**：模型名稱，依規則保留原樣。
*   **DeepSeek V4 Flash Preview**：模型名稱，依規則保留原樣。
*   **Main Rand Avenue**：逐字稿中出現此詞，疑為「Main Street」或特定地鐵站名稱之聽寫錯誤，需查證。
*   **Seven hostiles**：在 Subway FPS 測試中，UI 顯示「Seven hostiles」但使用者找不到敵人，此為逐字稿原文記錄。
*   **Steve the PC repair game**：此為