1
00:00:00,000 --> 00:00:28,580
AI新闻不断涌现,因为Deepseek今天刚刚发布了全新的Deepseek V4 FlashVision Experimental模型,目前已在Deepseek的API平台上线。这个模型的多模态智能体性能已经接近OPUS 4.8,确实是一个非常了不起的成就。但唯一的阻碍是Deepseek的新定价。不过说到Deepseek,他们正在晖度测试一个神秘的新检查点,即表现相当惊艳,正在与Fibo5正面交锋,并生成了一些极其疯狂的内容。不仅如此,Google又回来了。

2
00:00:28,580 --> 00:00:31,300
因为Geminis的表现真的会非常惊人

3
00:00:31,300 --> 00:00:32,880
具备一些疯狂的新能力

4
00:00:32,880 --> 00:00:35,460
我们已经获得了一些极其劲爆的泄露信息

5
00:00:35,460 --> 00:00:37,880
我非常期待大家看到这些内容

6
00:00:37,880 --> 00:00:40,460
最近我们报道了新的隐身模型OX-Alpha

7
00:00:40,460 --> 00:00:42,900
但现在关于这个模型又有了一些新情报

8
00:00:42,900 --> 00:00:44,760
其表现相当不可思议

9
00:00:44,760 --> 00:00:47,760
有人让它在DeepSway上完成了10项独立任务

10
00:00:47,760 --> 00:00:49,720
因此由于这只是部分测试

11
00:00:49,720 --> 00:00:52,100
它的真实得分可能存在很大差异

12
00:00:52,100 --> 00:00:54,000
但结果确实令人瞠目结舌

13
00:00:54,000 --> 00:00:56,000
因为GBT516S

14
00:00:56,000 --> 00:00:58,680
在这项特定测试中得分为52%

15
00:00:58,680 --> 00:01:00,920
Fable 5得分为65%

16
00:01:00,920 --> 00:01:03,880
而Arx Alpha得分达到了80%

17
00:01:03,880 --> 00:01:05,640
据说它在其中一项任务上

18
00:01:05,640 --> 00:01:07,120
还差一点就完成了

19
00:01:07,120 --> 00:01:08,420
所以从技术上讲

20
00:01:08,420 --> 00:01:10,060
可能会超过80%

21
00:01:10,060 --> 00:01:11,360
这实在太疯狂了

22
00:01:11,360 --> 00:01:13,800
而且它真的感觉很像GLM模型

23
00:01:13,800 --> 00:01:14,980
但显然并不是

24
00:01:14,980 --> 00:01:16,320
因为有新的报告称

25
00:01:16,320 --> 00:01:17,820
它不是GLM模型

26
00:01:17,820 --> 00:01:19,100
它不是小米模型

27
00:01:19,100 --> 00:01:20,360
也不是Deep Seek模型

28
00:01:20,360 --> 00:01:22,120
所以没有人真正知道

29
00:01:22,120 --> 00:01:23,820
究竟是哪家模型提供商

30
00:01:23,820 --> 00:01:25,720
在秘密测试这个Arx Alpha模型

31
00:01:25,720 --> 00:01:27,440
但也许可能是minimax

32
00:01:27,440 --> 00:01:29,120
现在还有很多内容要介绍

33
00:01:29,120 --> 00:01:30,980
我们就直接一一深入了解吧

34
00:01:30,980 --> 00:01:33,820
大多数AI编程工具都能帮你构建应用

35
00:01:33,820 --> 00:01:35,980
但之后他们仍然需要处理托管

36
00:01:35,980 --> 00:01:37,280
数据库和部署问题

37
00:01:37,280 --> 00:01:39,540
这正是APICUS AI Supercomputer

38
00:01:39,540 --> 00:01:40,520
发挥作用的地方

39
00:01:40,520 --> 00:01:42,420
它提供了一台始终在线

40
00:01:42,420 --> 00:01:44,840
可通过自然语言控制的云端计算机

41
00:01:44,840 --> 00:01:46,320
你可以部署OpenCloud

42
00:01:46,320 --> 00:01:48,180
或Hermes Agent等智能体

43
00:01:48,180 --> 00:01:50,260
并让他们全天候持续运行

44
00:01:50,260 --> 00:01:51,920
例如他们在这里部署了一个

45
00:01:51,920 --> 00:01:53,200
开源大语言模型

46
00:01:53,200 --> 00:01:55,400
为其封装了一个可用的聊天界面

47
00:01:55,400 --> 00:01:58,820
并且仅通过一条提示词就将其公开托管

48
00:01:58,820 --> 00:02:00,440
你还可以运行Docker应用

49
00:02:00,440 --> 00:02:02,000
连接数据库和存储

50
00:02:02,000 --> 00:02:04,320
或者构建并托管完整的应用

51
00:02:04,320 --> 00:02:05,740
比如这个3D游戏

52
00:02:05,740 --> 00:02:07,820
因此你无需亲自管理VPS

53
00:02:07,820 --> 00:02:09,860
SSL 数据库和部署

54
00:02:09,860 --> 00:02:11,660
Appicus会处理整个技术站

55
00:02:11,660 --> 00:02:13,220
通过下方描述中的链接

56
00:02:13,220 --> 00:02:15,260
体验Appicus AI超级计算机

57
00:02:15,260 --> 00:02:17,280
也感谢他们赞助今天的视频

58
00:02:17,280 --> 00:02:18,860
我们先从Deepseek说起

59
00:02:18,860 --> 00:02:21,240
因为Deepseek Vs Flash Vision Experimental

60
00:02:21,240 --> 00:02:23,740
现已正式上线Deepseek API平台

61
00:02:23,740 --> 00:02:27,420
这个模型基本上就是VSFLAX的下一代多模态版本

62
00:02:27,420 --> 00:02:28,520
令人印象深刻的是

63
00:02:28,520 --> 00:02:29,440
DeepSeq表示

64
00:02:29,440 --> 00:02:32,580
这款新模型基本保留了VSFLAX的文本能力

65
00:02:32,580 --> 00:02:36,340
因此推理 智能体 编程和通用知识能力都还在

66
00:02:36,340 --> 00:02:39,180
但现在视觉方面得到了大幅升级

67
00:02:39,180 --> 00:02:40,220
从基准测试来看

68
00:02:40,220 --> 00:02:42,600
它的表现已经非常接近OPUS 4.8

69
00:02:42,600 --> 00:02:44,320
当然编程方面并不是这样

70
00:02:44,320 --> 00:02:47,200
但在多模态智能体评测方面却是如此

71
00:02:47,200 --> 00:02:49,100
在Terminal Bench 2.1上

72
00:02:49,100 --> 00:02:52,200
我们知道DeepSeq VSFLAX的得分为83.9

73
00:02:52,200 --> 00:02:53,600
而OPUS为85

74
00:02:53,600 --> 00:02:54,780
在DeepSWIG上

75
00:02:54,780 --> 00:02:58,320
上它实际上以59.3比58击败了OPUS

76
00:02:58,320 --> 00:03:01,080
但真正有趣的是多模态智能体评测

77
00:03:01,080 --> 00:03:02,380
在IpexBench上

78
00:03:02,380 --> 00:03:05,140
你可以看到这款新模型的得分为36.5

79
00:03:05,140 --> 00:03:07,940
而OPUS4.8的得分为39.4

80
00:03:07,940 --> 00:03:09,780
但在Agent's Last Exim上

81
00:03:09,780 --> 00:03:11,500
它的得分为27.3

82
00:03:11,500 --> 00:03:13,640
比OPUS4.8高出2分

83
00:03:13,640 --> 00:03:15,120
与OPUS4.8相比

84
00:03:15,120 --> 00:03:18,220
它在其他评测中的表现基本也只是略逊一筹

85
00:03:18,220 --> 00:03:20,360
因为它们实际上是在Version's Flash

86
00:03:20,360 --> 00:03:21,960
强大的视觉能力基础上

87
00:03:21,960 --> 00:03:24,800
进一步提升了多模态智能体的性能

88
00:03:24,800 --> 00:03:28,200
他们还已经在最新的Deep Seek Harness中加入了对它的支持

89
00:03:28,200 --> 00:03:32,240
因此你现在就可以通过他们的API开始测试这个模型

90
00:03:32,240 --> 00:03:35,340
而这正是视觉能力开始真正发挥作用的地方

91
00:03:35,340 --> 00:03:39,320
因为多模态能力能够拓展出更多智能体应用场景

92
00:03:39,320 --> 00:03:43,620
Deep Seek表示这款新模型可以在不同的智能体框架中流畅运行

93
00:03:43,620 --> 00:03:45,820
它现在既能理解自己看到的内容

94
00:03:45,820 --> 00:03:47,980
也能使用工具采取行动

95
00:03:47,980 --> 00:03:50,920
这样一来智能体就不再只能读取文本或代码

96
00:03:50,920 --> 00:03:52,660
而是可以查看屏幕截图

97
00:03:52,660 --> 00:03:55,620
界面 图表 文档或其他视觉信息

98
00:03:55,620 --> 00:03:57,160
理解实际发生的情况

99
00:03:57,160 --> 00:03:59,440
然后使用工具真正完成任务

100
00:03:59,440 --> 00:04:02,180
这让该模型在现实世界的智能体工作流中

101
00:04:02,180 --> 00:04:02,820
使用得多

102
00:04:02,820 --> 00:04:04,560
尤其适用于计算机操作

103
00:04:04,560 --> 00:04:06,500
视觉调试 浏览器智能体

104
00:04:06,500 --> 00:04:09,180
以及基于UI的文档自动化任务

105
00:04:09,180 --> 00:04:10,700
而且我们已经看到了一些

106
00:04:10,700 --> 00:04:12,520
相当令人印象深刻的演示

107
00:04:12,520 --> 00:04:14,380
展现了这次视觉能力升级

108
00:04:14,380 --> 00:04:15,480
究竟能做到什么

109
00:04:15,480 --> 00:04:17,240
有人立即通过给这个模型

110
00:04:17,240 --> 00:04:18,740
一张人物图片来测试它

111
00:04:18,740 --> 00:04:22,080
据说Deep Seek能够正确识别出图片中的人物

112
00:04:22,080 --> 00:04:24,140
是字节跳动创始人张一鸣

113
00:04:24,140 --> 00:04:25,820
显然这只是一个演示

114
00:04:25,820 --> 00:04:27,500
但这种说法相当有趣

115
00:04:27,500 --> 00:04:29,500
Deep Seek终于睁开了眼睛

116
00:04:29,500 --> 00:04:30,740
不再是盲人了

117
00:04:30,740 --> 00:04:31,660
更重要的是

118
00:04:31,660 --> 00:04:33,520
这表明Siflash Vision版本

119
00:04:33,520 --> 00:04:35,620
并不只是进行基本的图像描述

120
00:04:35,620 --> 00:04:38,060
而是能够理解详细的视觉向上闻

121
00:04:38,060 --> 00:04:40,300
并将其与已有知识结合起来

122
00:04:40,300 --> 00:04:42,200
无论是编程知识还是普通常识

123
00:04:42,200 --> 00:04:44,500
现在它将能够借助这一新扩展

124
00:04:44,500 --> 00:04:46,000
进一步增强自身能力

125
00:04:46,000 --> 00:04:47,440
如果你还不了解这一点

126
00:04:47,440 --> 00:04:49,160
我强烈建议你了解一下

127
00:04:49,160 --> 00:04:50,800
World of VI Insider School社区

128
00:04:50,800 --> 00:04:53,440
显然 在这里你可以获取大量信息

129
00:04:53,440 --> 00:04:55,740
不仅可以免费使用World of VI Benchmark

130
00:04:55,740 --> 00:04:57,860
还能每月获得许多免费内容

131
00:04:57,860 --> 00:05:00,440
甚至可以接触尚未发布的模型

132
00:05:00,440 --> 00:05:01,940
因此 我强烈建议你

133
00:05:01,940 --> 00:05:04,180
通过下方描述中的链接去了解一下

134
00:05:04,180 --> 00:05:05,380
不过说到Deep Seek

135
00:05:05,380 --> 00:05:07,100
其实还有一件更加有趣的事

136
00:05:07,100 --> 00:05:08,940
因为目前幕后正在发生的是

137
00:05:08,940 --> 00:05:11,260
Deep Seek团队正向一小部分用户

138
00:05:11,260 --> 00:05:14,380
大规模测试一个神秘的裸体模型检查点

139
00:05:14,380 --> 00:05:16,620
我之前已经针对这件事做过一期视频

140
00:05:16,620 --> 00:05:19,060
但现在又有一个新的检查点上线了

141
00:05:19,060 --> 00:05:20,020
它正凭借一些

142
00:05:20,020 --> 00:05:21,760
令人难以置信的生成结果

143
00:05:21,760 --> 00:05:23,820
与Fable 5展开激烈竞争

144
00:05:23,820 --> 00:05:24,420
有趣的是

145
00:05:24,420 --> 00:05:25,320
目前看来

146
00:05:25,320 --> 00:05:26,460
这种灰度测试

147
00:05:26,460 --> 00:05:28,460
似乎是基于绘画的测试

148
00:05:28,460 --> 00:05:29,240
也就是说

149
00:05:29,240 --> 00:05:30,500
某些现有绘画

150
00:05:30,500 --> 00:05:31,720
可能会被录游到

151
00:05:31,720 --> 00:05:32,940
这个实验性检查点

152
00:05:32,940 --> 00:05:35,480
而其他人则继续正常使用该模型

153
00:05:35,480 --> 00:05:36,660
现在一些用户

154
00:05:36,660 --> 00:05:38,420
甚至一直在尝试各种方法

155
00:05:38,420 --> 00:05:39,500
让自己的绘画

156
00:05:39,500 --> 00:05:41,440
持续被录游到灰度测试中

157
00:05:41,440 --> 00:05:42,160
不过显然

158
00:05:42,160 --> 00:05:43,560
这些都还无法说明

159
00:05:43,560 --> 00:05:45,020
这个检查点究竟是什么

160
00:05:45,020 --> 00:05:45,720
因此

161
00:05:45,720 --> 00:05:47,680
Deep Seek可能正在悄悄测试

162
00:05:47,680 --> 00:05:49,040
其下一代主力模型

163
00:05:49,040 --> 00:05:51,160
很可能是升级版的Version 4 Pro

164
00:05:51,160 --> 00:05:52,720
甚至是Version 5

165
00:05:52,720 --> 00:05:52,900
好了

166
00:05:52,900 --> 00:05:54,200
很抱歉画质不佳

167
00:05:54,200 --> 00:05:56,640
但这就是神秘的Deep Seek灰度检查点

168
00:05:56,640 --> 00:05:59,220
这里要求它在3D中建造一架直升机

169
00:05:59,220 --> 00:06:00,760
而它仅用一个提示词

170
00:06:00,760 --> 00:06:02,240
就完成了这项任务

171
00:06:02,240 --> 00:06:02,580
据说

172
00:06:02,580 --> 00:06:04,600
该模型自主运行了一个半小时

173
00:06:04,600 --> 00:06:06,500
持续构建并完善项目

174
00:06:06,500 --> 00:06:08,580
最终生成了这个细节惊人的

175
00:06:08,580 --> 00:06:10,040
直升机模拟程序

176
00:06:10,040 --> 00:06:10,600
你可以看到

177
00:06:10,600 --> 00:06:12,700
它在输出方面的能力有多么出色

178
00:06:13,560 --> 00:06:15,180
过程的成本还不到一美元

179
00:06:15,180 --> 00:06:17,040
这么说确实有点不可思议

180
00:06:17,040 --> 00:06:18,960
我想这个价格上的取舍

181
00:06:18,960 --> 00:06:21,020
大概就是生成内容所需的时间

182
00:06:21,020 --> 00:06:23,100
接下来我们终于看到了

183
00:06:23,100 --> 00:06:25,320
可能是GMMI4的首次亮相

184
00:06:25,320 --> 00:06:27,620
如果这些生成结果能够说明问题的话

185
00:06:27,620 --> 00:06:29,580
这款模型可能会强的离谱

186
00:06:29,580 --> 00:06:32,760
而Google也将凭借它真正实现王者归来

187
00:06:32,760 --> 00:06:35,520
这里要求它生成一只骑自行车的蹄壶

188
00:06:35,520 --> 00:06:37,280
这是一个相当不错的提示词

189
00:06:37,280 --> 00:06:39,300
我们通常总会把它发送给模型

190
00:06:39,300 --> 00:06:40,640
用来测试模型的能力

191
00:06:40,640 --> 00:06:42,500
显然主要是测试编程能力

192
00:06:42,500 --> 00:06:43,320
但你可以看到

193
00:06:43,320 --> 00:06:44,900
仅根据这段粉纹渲染

194
00:06:44,900 --> 00:06:47,080
它就生成了一只骑自行车的蹄壶

195
00:06:47,080 --> 00:06:48,600
效果非常惊艳

196
00:06:48,600 --> 00:06:50,060
你可以看到轮胎上

197
00:06:50,060 --> 00:06:51,960
甚至衣物上的文字印刷效果

198
00:06:51,960 --> 00:06:54,420
都生成得极其出色且清晰

199
00:06:54,420 --> 00:06:56,780
而且大多数模型实际上甚至做不到这一点

200
00:06:56,780 --> 00:06:59,040
连GML4模型在这种情况下

201
00:06:59,040 --> 00:07:00,820
所能完成的10%都不到

202
00:07:00,820 --> 00:07:02,440
但这简直太疯狂了

203
00:07:02,440 --> 00:07:05,140
如果GML4输出的质量能达到这种程度

204
00:07:05,140 --> 00:07:07,380
想象一下它在其他领域会有多强

205
00:07:07,380 --> 00:07:08,760
接下来看看AX Alpha

206
00:07:08,760 --> 00:07:10,720
我们已经知道这是一个隐秘模型

207
00:07:10,720 --> 00:07:12,180
而且表现相当出色

208
00:07:12,180 --> 00:07:14,080
对于错过相关消息的人来说

209
00:07:14,080 --> 00:07:17,140
Oxelpha目前在接下来一周内都可以免费使用

210
00:07:17,140 --> 00:07:20,240
并且配备了100万Token的畅下源框口

211
00:07:20,240 --> 00:07:21,680
它支持多模态输入

212
00:07:21,680 --> 00:07:23,500
并且完全不保留数据

213
00:07:23,500 --> 00:07:25,940
显然它的速率限制也非常宽松

214
00:07:25,940 --> 00:07:28,560
每天最多可处理100万亿个Token

215
00:07:28,560 --> 00:07:30,660
但现在我们又获得了一些新情报

216
00:07:30,660 --> 00:07:32,540
让这个模型变得更加有趣

217
00:07:32,540 --> 00:07:35,880
有人让Oxelpha完成了10项Deeps Y任务

218
00:07:35,880 --> 00:07:37,940
不过这只是其中非常小的一部分

219
00:07:37,940 --> 00:07:40,160
因此结果可能存在很大差异

220
00:07:40,160 --> 00:07:41,480
这一点Dan也曾提到过

221
00:07:41,480 --> 00:07:43,220
但它的得分非常惊人

222
00:07:43,220 --> 00:07:44,620
达到了80%

223
00:07:44,620 --> 00:07:46,760
超过了得分65%的Febo

224
00:07:46,760 --> 00:07:49,500
以及得分52%的GBT 5.6 Soul

225
00:07:49,500 --> 00:07:50,120
据说

226
00:07:50,120 --> 00:07:51,480
其中一项实地任务

227
00:07:51,480 --> 00:07:52,980
基本上算是险些完成

228
00:07:52,980 --> 00:07:55,600
所以具体取决于你如何评分

229
00:07:55,600 --> 00:07:56,580
从技术上讲

230
00:07:56,580 --> 00:07:58,680
这个模型在这么小的样本规模下

231
00:07:58,680 --> 00:08:00,000
得分可能已经超过

232
00:08:01,100 --> 00:08:05,380
不过,我们之前还没提到的是,这并不只是一个轻量级的实验性端点。

233
00:08:05,540 --> 00:08:11,640
测试人员反映,它能够在超长上下文下持续运行很长时间的智能体任务。

234
00:08:11,640 --> 00:08:15,900
这或许可以解释为什么它在软件工程任务上表现如此出色

235
00:08:15,900 --> 00:08:19,440
在这类任务中模型需要跟踪大量文件的状态

236
00:08:19,440 --> 00:08:21,280
以及之前做出的决策

237
00:08:21,280 --> 00:08:25,220
起初测试结果和社区论坛中的大量证据都指向同一个结论

238
00:08:25,220 --> 00:08:28,700
AX-Alpha可能是某种新的GLM检查点

239
00:08:28,700 --> 00:08:31,200
但现在看来这一理论可能是错的

240
00:08:31,200 --> 00:08:34,180
因为有新的报告称AX-Alpha并不是GLM

241
00:08:34,180 --> 00:08:35,460
也不是小米的Memo

242
00:08:35,460 --> 00:08:37,480
当然也不是Deep Seek的视觉模型

243
00:08:37,480 --> 00:08:40,100
不过事情在这里变得更加疯狂了

244
00:08:40,100 --> 00:08:41,160
因为还有传闻称

245
00:08:41,160 --> 00:08:44,120
该模型最终将以开放权重的形式发布

246
00:08:44,120 --> 00:08:47,720
据称它甚至可能在两台DGX Spark上本地运行

247
00:08:47,720 --> 00:08:49,740
现在谜团变得更大了

248
00:08:49,740 --> 00:08:51,180
如果它不是GLM

249
00:08:51,180 --> 00:08:51,920
不是Memo

250
00:08:51,920 --> 00:08:52,960
也不是Deep Seek

251
00:08:52,960 --> 00:08:55,000
我现在真的认为它可能是MiniX

252
00:08:55,000 --> 00:08:57,380
现在这是一个非常酷的演示

253
00:08:57,380 --> 00:08:59,740
展示了OX Alpha的多模态能力

254
00:08:59,740 --> 00:09:01,640
这次它运行在Hermis Agent中

255
00:09:01,640 --> 00:09:04,580
有人给它输入了一个类似Froggers的游戏提示词

256
00:09:04,580 --> 00:09:07,080
OX Alpha不仅构建了一个基础游戏

257
00:09:07,080 --> 00:09:09,120
还开始加入自己的创意机制

258
00:09:09,120 --> 00:09:11,940
它随机添加了一部会飞驰而来的ROG iPhone

259
00:09:11,940 --> 00:09:12,920
可以杀死青蛙

260
00:09:12,920 --> 00:09:16,120
同时还在地图周围添加了青蛙可以收集的苍蝇

261
00:09:16,120 --> 00:09:17,360
以获得额外分数

262
00:09:17,360 --> 00:09:20,020
这正是多模态智能体如此有趣的地方

263
00:09:20,020 --> 00:09:21,580
模型可以构建游戏

264
00:09:21,580 --> 00:09:23,440
目视检查自己创建的内容

265
00:09:23,440 --> 00:09:25,980
理解并看到屏幕上实际发生了什么

266
00:09:25,980 --> 00:09:27,200
然后不断迭代

267
00:09:27,200 --> 00:09:28,720
直到找到最佳输出

268
00:09:28,720 --> 00:09:30,780
但看到这个模型竟然如此强大

269
00:09:30,780 --> 00:09:32,100
确实令人难以置信

270
00:09:32,100 --> 00:09:33,380
所以我非常想知道

271
00:09:33,380 --> 00:09:36,820
究竟是哪家AI实验室在专注于发布这个模型

272
00:09:36,820 --> 00:09:38,720
或者仍在对它进行测试

273
00:09:39,120 --> 00:09:47,800
如果你想在其他人之前获得最好的AI工具、工作流和新产品动态,请通过下方表述中的链接加入我的免费新闻简报,完全免费。

274
00:09:48,140 --> 00:09:51,860
有人让他创建一张Quincy Home的SVG图像,希望我的发音没错。

275
00:09:52,240 --> 00:09:55,220
内容是他在北方巡逻期间骑着一头北极熊。

276
00:09:55,460 --> 00:10:01,020
而且这实际上是我见过的所有中国AI模型中生成效果最好的SVG之一。

277
00:10:01,300 --> 00:10:06,640
它确实能够让许多功能实现动画效果,所以看到他能够做到这样的事情真的很酷。

278
00:10:07,000 --> 00:10:08,000
接下来看看Claude。

279
00:10:08,000 --> 00:10:11,640
Anthropic刚刚进行了一次相当重大的智能体更新

280
00:10:11,640 --> 00:10:13,940
因为Computer Use 浏览器工具

281
00:10:13,940 --> 00:10:16,040
Skills API和Files API

282
00:10:16,040 --> 00:10:18,420
现在已在Cloud平台上全面开放

283
00:10:18,420 --> 00:10:19,700
这里的核心理念是

284
00:10:19,700 --> 00:10:22,840
Cloud的智能体现在不只是调用普通API了

285
00:10:22,840 --> 00:10:24,100
借助Computer Use

286
00:10:24,100 --> 00:10:27,560
Cloud可以与甚至没有API的应用进行交互

287
00:10:27,560 --> 00:10:28,360
而浏览器工具

288
00:10:28,360 --> 00:10:31,700
则让它能够直接在整个网络中导航和执行操作

289
00:10:31,700 --> 00:10:33,140
然后还有Skills API

290
00:10:33,140 --> 00:10:35,140
它允许开发者为Cloud的智能体

291
00:10:35,140 --> 00:10:36,940
提供可复用的技能和能力

292
00:10:36,940 --> 00:10:39,500
Files API则会让智能体更轻松的

293
00:10:39,500 --> 00:10:42,440
在不同任务中处理同一批文档和文件

294
00:10:42,440 --> 00:10:42,760
因此

295
00:10:42,760 --> 00:10:47,180
Anthropic显然正致力于打造一个完整的云端托管智能体系统

296
00:10:47,180 --> 00:10:49,660
使其能够真正完成从Computer Use

297
00:10:49,660 --> 00:10:54,060
浏览器工具到Skills API和Files API等各种不同的操作

298
00:10:54,060 --> 00:10:56,540
如果你喜欢这段视频并愿意支持本频道

299
00:10:56,540 --> 00:11:00,240
可以考虑通过下方的超级感谢选项向我的频道捐赠

300
00:11:00,240 --> 00:11:03,080
或者你也可以考虑加入我们的私人Discord服务器

301
00:11:03,080 --> 00:11:03,680
在那里

302
00:11:03,680 --> 00:11:06,740
你每月都可以免费使用多种AI工具的订阅服务

303
00:11:06,740 --> 00:11:08,340
还能获取每日AI新闻

304
00:11:08,340 --> 00:11:09,100
独家内容

305
00:11:09,100 --> 00:11:10,240
以及更多福利

306
00:11:10,240 --> 00:11:11,400
或许如果我有时间

307
00:11:11,400 --> 00:11:13,360
我可能会专门制作一期完整视频

308
00:11:13,360 --> 00:11:14,440
来介绍ONEK 1.5

309
00:11:14,440 --> 00:11:16,920
因为这确实是一个非常出色的本地模型

310
00:11:16,920 --> 00:11:18,140
能力相当强

311
00:11:18,140 --> 00:11:19,420
显然它在某些方面

312
00:11:19,420 --> 00:11:21,420
无法与Qing 3.8 Max相提并论

313
00:11:21,420 --> 00:11:23,820
但你仍然可以从中获得很多成果

314
00:11:23,820 --> 00:11:26,020
它在不少任务上都表现得相当不错

315
00:11:26,020 --> 00:11:27,900
当然使用更低的位数时

316
00:11:27,900 --> 00:11:29,760
输出质量也会有所下降

317
00:11:29,760 --> 00:11:31,520
如果你实际运行这个模型的

318
00:11:31,520 --> 00:11:33,320
350亿参数5Q版本

319
00:11:33,320 --> 00:11:34,500
它能够为你带来一些

320
00:11:34,500 --> 00:11:35,900
令人难以置信的结果

321
00:11:36,740 --> 00:11:38,520
临时需要马上补充编码的新闻

322
00:11:38,520 --> 00:11:39,160
据报道

323
00:11:39,160 --> 00:11:41,420
ChatJPT Work和Codex用户

324
00:11:41,420 --> 00:11:44,000
今天似乎即将演来一个相当不错的惊喜

325
00:11:44,000 --> 00:11:45,600
因为Table今天宣布了一项

326
00:11:45,600 --> 00:11:48,180
以内置的使用额度重置功能

327
00:11:48,180 --> 00:11:49,580
而这一消息发布之际

328
00:11:49,580 --> 00:11:52,740
Codex的活跃用户数已经突破2000万

329
00:11:52,740 --> 00:11:54,580
这确实相当惊人

330
00:11:54,580 --> 00:11:55,120
本质上

331
00:11:55,120 --> 00:11:58,100
这将为用户提供一批全新的Codex使用额度

332
00:11:58,100 --> 00:11:59,120
供他们消耗

333
00:11:59,120 --> 00:11:59,740
因此

334
00:11:59,740 --> 00:12:01,820
你的速率限制将恢复正常

335
00:12:01,820 --> 00:12:03,880
或者说恢复到100%

336
00:12:03,880 --> 00:12:04,420
这意味着

337
00:12:04,420 --> 00:12:06,940
你可以在整个周末继续使用Codex

338
00:12:06,940 --> 00:12:08,980
不过今天的视频就到这里了

339
00:12:08,980 --> 00:12:11,180
我会把今天视频中使用的所有链接

340
00:12:11,180 --> 00:12:12,740
放在下方的描述栏里

341
00:12:12,740 --> 00:12:15,700
记得去看看World of AI Insider Club School社区

342
00:12:15,700 --> 00:12:17,000
记得订阅第二频道

343
00:12:17,000 --> 00:12:18,160
加入新闻通讯

344
00:12:18,160 --> 00:12:19,020
加入Discord

345
00:12:19,020 --> 00:12:20,380
在Twitter上关注我

346
00:12:20,380 --> 00:12:21,900
最后记得订阅频道

347
00:12:21,900 --> 00:12:22,720
打开通知铃

348
00:12:22,720 --> 00:12:23,960
给这个视频点赞

349
00:12:23,960 --> 00:12:25,620
也请看看我们之前的视频

350
00:12:25,620 --> 00:12:28,060
以便及时了解最新的AI新闻

351
00:12:28,060 --> 00:12:28,560
说到这里

352
00:12:28,560 --> 00:12:29,140
朋友们

353
00:12:29,140 --> 00:12:30,600
祝大家度过美好的一天

354
00:12:30,600 --> 00:12:31,820
传播积极正能量

355
00:12:31,820 --> 00:12:32,840
我们很快再见

356
00:12:32,840 --> 00:12:33,700
愿他受苦