WEBVTT

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。

00:00:28.580 --> 00:00:31.300
因为Geminis的表现真的会非常惊人

00:00:31.300 --> 00:00:32.880
具备一些疯狂的新能力

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

00:00:35.460 --> 00:00:37.880
我非常期待大家看到这些内容

00:00:37.880 --> 00:00:40.460
最近我们报道了新的隐身模型OX-Alpha

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

00:00:42.900 --> 00:00:44.760
其表现相当不可思议

00:00:44.760 --> 00:00:47.760
有人让它在DeepSway上完成了10项独立任务

00:00:47.760 --> 00:00:49.720
因此由于这只是部分测试

00:00:49.720 --> 00:00:52.100
它的真实得分可能存在很大差异

00:00:52.100 --> 00:00:54.000
但结果确实令人瞠目结舌

00:00:54.000 --> 00:00:56.000
因为GBT516S

00:00:56.000 --> 00:00:58.680
在这项特定测试中得分为52%

00:00:58.680 --> 00:01:00.920
Fable 5得分为65%

00:01:00.920 --> 00:01:03.880
而Arx Alpha得分达到了80%

00:01:03.880 --> 00:01:05.640
据说它在其中一项任务上

00:01:05.640 --> 00:01:07.120
还差一点就完成了

00:01:07.120 --> 00:01:08.420
所以从技术上讲

00:01:08.420 --> 00:01:10.060
可能会超过80%

00:01:10.060 --> 00:01:11.360
这实在太疯狂了

00:01:11.360 --> 00:01:13.800
而且它真的感觉很像GLM模型

00:01:13.800 --> 00:01:14.980
但显然并不是

00:01:14.980 --> 00:01:16.320
因为有新的报告称

00:01:16.320 --> 00:01:17.820
它不是GLM模型

00:01:17.820 --> 00:01:19.100
它不是小米模型

00:01:19.100 --> 00:01:20.360
也不是Deep Seek模型

00:01:20.360 --> 00:01:22.120
所以没有人真正知道

00:01:22.120 --> 00:01:23.820
究竟是哪家模型提供商

00:01:23.820 --> 00:01:25.720
在秘密测试这个Arx Alpha模型

00:01:25.720 --> 00:01:27.440
但也许可能是minimax

00:01:27.440 --> 00:01:29.120
现在还有很多内容要介绍

00:01:29.120 --> 00:01:30.980
我们就直接一一深入了解吧

00:01:30.980 --> 00:01:33.820
大多数AI编程工具都能帮你构建应用

00:01:33.820 --> 00:01:35.980
但之后他们仍然需要处理托管

00:01:35.980 --> 00:01:37.280
数据库和部署问题

00:01:37.280 --> 00:01:39.540
这正是APICUS AI Supercomputer

00:01:39.540 --> 00:01:40.520
发挥作用的地方

00:01:40.520 --> 00:01:42.420
它提供了一台始终在线

00:01:42.420 --> 00:01:44.840
可通过自然语言控制的云端计算机

00:01:44.840 --> 00:01:46.320
你可以部署OpenCloud

00:01:46.320 --> 00:01:48.180
或Hermes Agent等智能体

00:01:48.180 --> 00:01:50.260
并让他们全天候持续运行

00:01:50.260 --> 00:01:51.920
例如他们在这里部署了一个

00:01:51.920 --> 00:01:53.200
开源大语言模型

00:01:53.200 --> 00:01:55.400
为其封装了一个可用的聊天界面

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

00:01:58.820 --> 00:02:00.440
你还可以运行Docker应用

00:02:00.440 --> 00:02:02.000
连接数据库和存储

00:02:02.000 --> 00:02:04.320
或者构建并托管完整的应用

00:02:04.320 --> 00:02:05.740
比如这个3D游戏

00:02:05.740 --> 00:02:07.820
因此你无需亲自管理VPS

00:02:07.820 --> 00:02:09.860
SSL 数据库和部署

00:02:09.860 --> 00:02:11.660
Appicus会处理整个技术站

00:02:11.660 --> 00:02:13.220
通过下方描述中的链接

00:02:13.220 --> 00:02:15.260
体验Appicus AI超级计算机

00:02:15.260 --> 00:02:17.280
也感谢他们赞助今天的视频

00:02:17.280 --> 00:02:18.860
我们先从Deepseek说起

00:02:18.860 --> 00:02:21.240
因为Deepseek Vs Flash Vision Experimental

00:02:21.240 --> 00:02:23.740
现已正式上线Deepseek API平台

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

00:02:27.420 --> 00:02:28.520
令人印象深刻的是

00:02:28.520 --> 00:02:29.440
DeepSeq表示

00:02:29.440 --> 00:02:32.580
这款新模型基本保留了VSFLAX的文本能力

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

00:02:36.340 --> 00:02:39.180
但现在视觉方面得到了大幅升级

00:02:39.180 --> 00:02:40.220
从基准测试来看

00:02:40.220 --> 00:02:42.600
它的表现已经非常接近OPUS 4.8

00:02:42.600 --> 00:02:44.320
当然编程方面并不是这样

00:02:44.320 --> 00:02:47.200
但在多模态智能体评测方面却是如此

00:02:47.200 --> 00:02:49.100
在Terminal Bench 2.1上

00:02:49.100 --> 00:02:52.200
我们知道DeepSeq VSFLAX的得分为83.9

00:02:52.200 --> 00:02:53.600
而OPUS为85

00:02:53.600 --> 00:02:54.780
在DeepSWIG上

00:02:54.780 --> 00:02:58.320
上它实际上以59.3比58击败了OPUS

00:02:58.320 --> 00:03:01.080
但真正有趣的是多模态智能体评测

00:03:01.080 --> 00:03:02.380
在IpexBench上

00:03:02.380 --> 00:03:05.140
你可以看到这款新模型的得分为36.5

00:03:05.140 --> 00:03:07.940
而OPUS4.8的得分为39.4

00:03:07.940 --> 00:03:09.780
但在Agent's Last Exim上

00:03:09.780 --> 00:03:11.500
它的得分为27.3

00:03:11.500 --> 00:03:13.640
比OPUS4.8高出2分

00:03:13.640 --> 00:03:15.120
与OPUS4.8相比

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

00:03:18.220 --> 00:03:20.360
因为它们实际上是在Version's Flash

00:03:20.360 --> 00:03:21.960
强大的视觉能力基础上

00:03:21.960 --> 00:03:24.800
进一步提升了多模态智能体的性能

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

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

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

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

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

00:03:43.620 --> 00:03:45.820
它现在既能理解自己看到的内容

00:03:45.820 --> 00:03:47.980
也能使用工具采取行动

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

00:03:50.920 --> 00:03:52.660
而是可以查看屏幕截图

00:03:52.660 --> 00:03:55.620
界面 图表 文档或其他视觉信息

00:03:55.620 --> 00:03:57.160
理解实际发生的情况

00:03:57.160 --> 00:03:59.440
然后使用工具真正完成任务

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

00:04:02.180 --> 00:04:02.820
使用得多

00:04:02.820 --> 00:04:04.560
尤其适用于计算机操作

00:04:04.560 --> 00:04:06.500
视觉调试 浏览器智能体

00:04:06.500 --> 00:04:09.180
以及基于UI的文档自动化任务

00:04:09.180 --> 00:04:10.700
而且我们已经看到了一些

00:04:10.700 --> 00:04:12.520
相当令人印象深刻的演示

00:04:12.520 --> 00:04:14.380
展现了这次视觉能力升级

00:04:14.380 --> 00:04:15.480
究竟能做到什么

00:04:15.480 --> 00:04:17.240
有人立即通过给这个模型

00:04:17.240 --> 00:04:18.740
一张人物图片来测试它

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

00:04:22.080 --> 00:04:24.140
是字节跳动创始人张一鸣

00:04:24.140 --> 00:04:25.820
显然这只是一个演示

00:04:25.820 --> 00:04:27.500
但这种说法相当有趣

00:04:27.500 --> 00:04:29.500
Deep Seek终于睁开了眼睛

00:04:29.500 --> 00:04:30.740
不再是盲人了

00:04:30.740 --> 00:04:31.660
更重要的是

00:04:31.660 --> 00:04:33.520
这表明Siflash Vision版本

00:04:33.520 --> 00:04:35.620
并不只是进行基本的图像描述

00:04:35.620 --> 00:04:38.060
而是能够理解详细的视觉向上闻

00:04:38.060 --> 00:04:40.300
并将其与已有知识结合起来

00:04:40.300 --> 00:04:42.200
无论是编程知识还是普通常识

00:04:42.200 --> 00:04:44.500
现在它将能够借助这一新扩展

00:04:44.500 --> 00:04:46.000
进一步增强自身能力

00:04:46.000 --> 00:04:47.440
如果你还不了解这一点

00:04:47.440 --> 00:04:49.160
我强烈建议你了解一下

00:04:49.160 --> 00:04:50.800
World of VI Insider School社区

00:04:50.800 --> 00:04:53.440
显然 在这里你可以获取大量信息

00:04:53.440 --> 00:04:55.740
不仅可以免费使用World of VI Benchmark

00:04:55.740 --> 00:04:57.860
还能每月获得许多免费内容

00:04:57.860 --> 00:05:00.440
甚至可以接触尚未发布的模型

00:05:00.440 --> 00:05:01.940
因此 我强烈建议你

00:05:01.940 --> 00:05:04.180
通过下方描述中的链接去了解一下

00:05:04.180 --> 00:05:05.380
不过说到Deep Seek

00:05:05.380 --> 00:05:07.100
其实还有一件更加有趣的事

00:05:07.100 --> 00:05:08.940
因为目前幕后正在发生的是

00:05:08.940 --> 00:05:11.260
Deep Seek团队正向一小部分用户

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

00:05:14.380 --> 00:05:16.620
我之前已经针对这件事做过一期视频

00:05:16.620 --> 00:05:19.060
但现在又有一个新的检查点上线了

00:05:19.060 --> 00:05:20.020
它正凭借一些

00:05:20.020 --> 00:05:21.760
令人难以置信的生成结果

00:05:21.760 --> 00:05:23.820
与Fable 5展开激烈竞争

00:05:23.820 --> 00:05:24.420
有趣的是

00:05:24.420 --> 00:05:25.320
目前看来

00:05:25.320 --> 00:05:26.460
这种灰度测试

00:05:26.460 --> 00:05:28.460
似乎是基于绘画的测试

00:05:28.460 --> 00:05:29.240
也就是说

00:05:29.240 --> 00:05:30.500
某些现有绘画

00:05:30.500 --> 00:05:31.720
可能会被录游到

00:05:31.720 --> 00:05:32.940
这个实验性检查点

00:05:32.940 --> 00:05:35.480
而其他人则继续正常使用该模型

00:05:35.480 --> 00:05:36.660
现在一些用户

00:05:36.660 --> 00:05:38.420
甚至一直在尝试各种方法

00:05:38.420 --> 00:05:39.500
让自己的绘画

00:05:39.500 --> 00:05:41.440
持续被录游到灰度测试中

00:05:41.440 --> 00:05:42.160
不过显然

00:05:42.160 --> 00:05:43.560
这些都还无法说明

00:05:43.560 --> 00:05:45.020
这个检查点究竟是什么

00:05:45.020 --> 00:05:45.720
因此

00:05:45.720 --> 00:05:47.680
Deep Seek可能正在悄悄测试

00:05:47.680 --> 00:05:49.040
其下一代主力模型

00:05:49.040 --> 00:05:51.160
很可能是升级版的Version 4 Pro

00:05:51.160 --> 00:05:52.720
甚至是Version 5

00:05:52.720 --> 00:05:52.900
好了

00:05:52.900 --> 00:05:54.200
很抱歉画质不佳

00:05:54.200 --> 00:05:56.640
但这就是神秘的Deep Seek灰度检查点

00:05:56.640 --> 00:05:59.220
这里要求它在3D中建造一架直升机

00:05:59.220 --> 00:06:00.760
而它仅用一个提示词

00:06:00.760 --> 00:06:02.240
就完成了这项任务

00:06:02.240 --> 00:06:02.580
据说

00:06:02.580 --> 00:06:04.600
该模型自主运行了一个半小时

00:06:04.600 --> 00:06:06.500
持续构建并完善项目

00:06:06.500 --> 00:06:08.580
最终生成了这个细节惊人的

00:06:08.580 --> 00:06:10.040
直升机模拟程序

00:06:10.040 --> 00:06:10.600
你可以看到

00:06:10.600 --> 00:06:12.700
它在输出方面的能力有多么出色

00:06:13.560 --> 00:06:15.180
过程的成本还不到一美元

00:06:15.180 --> 00:06:17.040
这么说确实有点不可思议

00:06:17.040 --> 00:06:18.960
我想这个价格上的取舍

00:06:18.960 --> 00:06:21.020
大概就是生成内容所需的时间

00:06:21.020 --> 00:06:23.100
接下来我们终于看到了

00:06:23.100 --> 00:06:25.320
可能是GMMI4的首次亮相

00:06:25.320 --> 00:06:27.620
如果这些生成结果能够说明问题的话

00:06:27.620 --> 00:06:29.580
这款模型可能会强的离谱

00:06:29.580 --> 00:06:32.760
而Google也将凭借它真正实现王者归来

00:06:32.760 --> 00:06:35.520
这里要求它生成一只骑自行车的蹄壶

00:06:35.520 --> 00:06:37.280
这是一个相当不错的提示词

00:06:37.280 --> 00:06:39.300
我们通常总会把它发送给模型

00:06:39.300 --> 00:06:40.640
用来测试模型的能力

00:06:40.640 --> 00:06:42.500
显然主要是测试编程能力

00:06:42.500 --> 00:06:43.320
但你可以看到

00:06:43.320 --> 00:06:44.900
仅根据这段粉纹渲染

00:06:44.900 --> 00:06:47.080
它就生成了一只骑自行车的蹄壶

00:06:47.080 --> 00:06:48.600
效果非常惊艳

00:06:48.600 --> 00:06:50.060
你可以看到轮胎上

00:06:50.060 --> 00:06:51.960
甚至衣物上的文字印刷效果

00:06:51.960 --> 00:06:54.420
都生成得极其出色且清晰

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

00:06:56.780 --> 00:06:59.040
连GML4模型在这种情况下

00:06:59.040 --> 00:07:00.820
所能完成的10%都不到

00:07:00.820 --> 00:07:02.440
但这简直太疯狂了

00:07:02.440 --> 00:07:05.140
如果GML4输出的质量能达到这种程度

00:07:05.140 --> 00:07:07.380
想象一下它在其他领域会有多强

00:07:07.380 --> 00:07:08.760
接下来看看AX Alpha

00:07:08.760 --> 00:07:10.720
我们已经知道这是一个隐秘模型

00:07:10.720 --> 00:07:12.180
而且表现相当出色

00:07:12.180 --> 00:07:14.080
对于错过相关消息的人来说

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

00:07:17.140 --> 00:07:20.240
并且配备了100万Token的畅下源框口

00:07:20.240 --> 00:07:21.680
它支持多模态输入

00:07:21.680 --> 00:07:23.500
并且完全不保留数据

00:07:23.500 --> 00:07:25.940
显然它的速率限制也非常宽松

00:07:25.940 --> 00:07:28.560
每天最多可处理100万亿个Token

00:07:28.560 --> 00:07:30.660
但现在我们又获得了一些新情报

00:07:30.660 --> 00:07:32.540
让这个模型变得更加有趣

00:07:32.540 --> 00:07:35.880
有人让Oxelpha完成了10项Deeps Y任务

00:07:35.880 --> 00:07:37.940
不过这只是其中非常小的一部分

00:07:37.940 --> 00:07:40.160
因此结果可能存在很大差异

00:07:40.160 --> 00:07:41.480
这一点Dan也曾提到过

00:07:41.480 --> 00:07:43.220
但它的得分非常惊人

00:07:43.220 --> 00:07:44.620
达到了80%

00:07:44.620 --> 00:07:46.760
超过了得分65%的Febo

00:07:46.760 --> 00:07:49.500
以及得分52%的GBT 5.6 Soul

00:07:49.500 --> 00:07:50.120
据说

00:07:50.120 --> 00:07:51.480
其中一项实地任务

00:07:51.480 --> 00:07:52.980
基本上算是险些完成

00:07:52.980 --> 00:07:55.600
所以具体取决于你如何评分

00:07:55.600 --> 00:07:56.580
从技术上讲

00:07:56.580 --> 00:07:58.680
这个模型在这么小的样本规模下

00:07:58.680 --> 00:08:00.000
得分可能已经超过

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。

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。

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

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

00:08:19.440 --> 00:08:21.280
以及之前做出的决策

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

00:08:25.220 --> 00:08:28.700
AX-Alpha可能是某种新的GLM检查点

00:08:28.700 --> 00:08:31.200
但现在看来这一理论可能是错的

00:08:31.200 --> 00:08:34.180
因为有新的报告称AX-Alpha并不是GLM

00:08:34.180 --> 00:08:35.460
也不是小米的Memo

00:08:35.460 --> 00:08:37.480
当然也不是Deep Seek的视觉模型

00:08:37.480 --> 00:08:40.100
不过事情在这里变得更加疯狂了

00:08:40.100 --> 00:08:41.160
因为还有传闻称

00:08:41.160 --> 00:08:44.120
该模型最终将以开放权重的形式发布

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

00:08:47.720 --> 00:08:49.740
现在谜团变得更大了

00:08:49.740 --> 00:08:51.180
如果它不是GLM

00:08:51.180 --> 00:08:51.920
不是Memo

00:08:51.920 --> 00:08:52.960
也不是Deep Seek

00:08:52.960 --> 00:08:55.000
我现在真的认为它可能是MiniX

00:08:55.000 --> 00:08:57.380
现在这是一个非常酷的演示

00:08:57.380 --> 00:08:59.740
展示了OX Alpha的多模态能力

00:08:59.740 --> 00:09:01.640
这次它运行在Hermis Agent中

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

00:09:04.580 --> 00:09:07.080
OX Alpha不仅构建了一个基础游戏

00:09:07.080 --> 00:09:09.120
还开始加入自己的创意机制

00:09:09.120 --> 00:09:11.940
它随机添加了一部会飞驰而来的ROG iPhone

00:09:11.940 --> 00:09:12.920
可以杀死青蛙

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

00:09:16.120 --> 00:09:17.360
以获得额外分数

00:09:17.360 --> 00:09:20.020
这正是多模态智能体如此有趣的地方

00:09:20.020 --> 00:09:21.580
模型可以构建游戏

00:09:21.580 --> 00:09:23.440
目视检查自己创建的内容

00:09:23.440 --> 00:09:25.980
理解并看到屏幕上实际发生了什么

00:09:25.980 --> 00:09:27.200
然后不断迭代

00:09:27.200 --> 00:09:28.720
直到找到最佳输出

00:09:28.720 --> 00:09:30.780
但看到这个模型竟然如此强大

00:09:30.780 --> 00:09:32.100
确实令人难以置信

00:09:32.100 --> 00:09:33.380
所以我非常想知道

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

00:09:36.820 --> 00:09:38.720
或者仍在对它进行测试

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。

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。

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。

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。

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。

00:10:07.000 --> 00:10:08.000
接下来看看Claude。

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

00:10:11.640 --> 00:10:13.940
因为Computer Use 浏览器工具

00:10:13.940 --> 00:10:16.040
Skills API和Files API

00:10:16.040 --> 00:10:18.420
现在已在Cloud平台上全面开放

00:10:18.420 --> 00:10:19.700
这里的核心理念是

00:10:19.700 --> 00:10:22.840
Cloud的智能体现在不只是调用普通API了

00:10:22.840 --> 00:10:24.100
借助Computer Use

00:10:24.100 --> 00:10:27.560
Cloud可以与甚至没有API的应用进行交互

00:10:27.560 --> 00:10:28.360
而浏览器工具

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

00:10:31.700 --> 00:10:33.140
然后还有Skills API

00:10:33.140 --> 00:10:35.140
它允许开发者为Cloud的智能体

00:10:35.140 --> 00:10:36.940
提供可复用的技能和能力

00:10:36.940 --> 00:10:39.500
Files API则会让智能体更轻松的

00:10:39.500 --> 00:10:42.440
在不同任务中处理同一批文档和文件

00:10:42.440 --> 00:10:42.760
因此

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

00:10:47.180 --> 00:10:49.660
使其能够真正完成从Computer Use

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

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

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

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

00:11:03.080 --> 00:11:03.680
在那里

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

00:11:06.740 --> 00:11:08.340
还能获取每日AI新闻

00:11:08.340 --> 00:11:09.100
独家内容

00:11:09.100 --> 00:11:10.240
以及更多福利

00:11:10.240 --> 00:11:11.400
或许如果我有时间

00:11:11.400 --> 00:11:13.360
我可能会专门制作一期完整视频

00:11:13.360 --> 00:11:14.440
来介绍ONEK 1.5

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

00:11:16.920 --> 00:11:18.140
能力相当强

00:11:18.140 --> 00:11:19.420
显然它在某些方面

00:11:19.420 --> 00:11:21.420
无法与Qing 3.8 Max相提并论

00:11:21.420 --> 00:11:23.820
但你仍然可以从中获得很多成果

00:11:23.820 --> 00:11:26.020
它在不少任务上都表现得相当不错

00:11:26.020 --> 00:11:27.900
当然使用更低的位数时

00:11:27.900 --> 00:11:29.760
输出质量也会有所下降

00:11:29.760 --> 00:11:31.520
如果你实际运行这个模型的

00:11:31.520 --> 00:11:33.320
350亿参数5Q版本

00:11:33.320 --> 00:11:34.500
它能够为你带来一些

00:11:34.500 --> 00:11:35.900
令人难以置信的结果

00:11:36.740 --> 00:11:38.520
临时需要马上补充编码的新闻

00:11:38.520 --> 00:11:39.160
据报道

00:11:39.160 --> 00:11:41.420
ChatJPT Work和Codex用户

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

00:11:44.000 --> 00:11:45.600
因为Table今天宣布了一项

00:11:45.600 --> 00:11:48.180
以内置的使用额度重置功能

00:11:48.180 --> 00:11:49.580
而这一消息发布之际

00:11:49.580 --> 00:11:52.740
Codex的活跃用户数已经突破2000万

00:11:52.740 --> 00:11:54.580
这确实相当惊人

00:11:54.580 --> 00:11:55.120
本质上

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

00:11:58.100 --> 00:11:59.120
供他们消耗

00:11:59.120 --> 00:11:59.740
因此

00:11:59.740 --> 00:12:01.820
你的速率限制将恢复正常

00:12:01.820 --> 00:12:03.880
或者说恢复到100%

00:12:03.880 --> 00:12:04.420
这意味着

00:12:04.420 --> 00:12:06.940
你可以在整个周末继续使用Codex

00:12:06.940 --> 00:12:08.980
不过今天的视频就到这里了

00:12:08.980 --> 00:12:11.180
我会把今天视频中使用的所有链接

00:12:11.180 --> 00:12:12.740
放在下方的描述栏里

00:12:12.740 --> 00:12:15.700
记得去看看World of AI Insider Club School社区

00:12:15.700 --> 00:12:17.000
记得订阅第二频道

00:12:17.000 --> 00:12:18.160
加入新闻通讯

00:12:18.160 --> 00:12:19.020
加入Discord

00:12:19.020 --> 00:12:20.380
在Twitter上关注我

00:12:20.380 --> 00:12:21.900
最后记得订阅频道

00:12:21.900 --> 00:12:22.720
打开通知铃

00:12:22.720 --> 00:12:23.960
给这个视频点赞

00:12:23.960 --> 00:12:25.620
也请看看我们之前的视频

00:12:25.620 --> 00:12:28.060
以便及时了解最新的AI新闻

00:12:28.060 --> 00:12:28.560
说到这里

00:12:28.560 --> 00:12:29.140
朋友们

00:12:29.140 --> 00:12:30.600
祝大家度过美好的一天

00:12:30.600 --> 00:12:31.820
传播积极正能量

00:12:31.820 --> 00:12:32.840
我们很快再见

00:12:32.840 --> 00:12:33.700
愿他受苦