DeepSeek V4視覺模型驚世發布，OpenAI這下真的坐不住了？😱

商業本質 首頁 每日列表 原始影片
實際影片長度：26:56.000。原文、繁中、雙語可點擊句子跳轉影片。
0:00.166–0:02.266
zhDeepseek把V4家族的视觉
0:02.266–0:04.066
zh实验模型开放出来了
0:04.133–0:05.400
zh它开始把图片里的
0:05.400–0:07.100
zh信息带进任务处理
0:07.166–0:09.466
zh在官方公布的部分测试中
0:09.500–0:11.266
zh超过OPPO4.8
0:11.300–0:13.266
zh也有项目明显落后
0:13.300–0:15.500
zh这次发布最值得追问的
0:15.866–0:17.333
zh是开放的视觉能力
0:17.333–0:19.500
zh能不能真正进入工作流程
0:19.933–0:22.133
zh让更多人不必只靠少数
0:22.133–0:24.000
zh平台来处理自己的资料
0:24.300–0:25.733
zh模型的完整名字叫
0:25.733–0:28.700
enDeepseek V4 Flash vision EXP
0:28.966–0:29.800
zh名字很长
0:29.800–0:32.200
zh但最后那个EXP尤其重要
0:32.266–0:33.600
zh它代表实验性质
0:34.000–0:35.966
zh截至2026年9月1日
0:36.133–0:38.766
zh官方hugging face仓库已经公开
0:38.933–0:40.366
zh模型说明之外
0:40.466–0:42.733
zh还提供了权重相关文件
0:42.866–0:45.000
zh配置和参考推理代码
0:45.300–0:46.866
zh发布本身有据可查
0:47.000–0:49.666
zh实际表现仍要按测试条件判断
0:49.800–0:52.400
zh官方把它称为Deepseek v四
0:52.400–0:54.966
zh家族首个实验性多模态模型
0:55.066–0:57.600
zh这里的首个限定在V4家族
0:57.966–0:59.666
zh不能扩写成Deepseek
0:59.966–1:01.866
zh此前完全没有视觉研究
1:02.200–1:03.800
zh早在Janus系列中
1:03.866–1:06.966
zhDeepseek就探索过多模态理解与生成
1:07.333–1:10.066
zh这次值得注意的进展是视觉模块
1:10.066–1:12.900
zh进入了v四flash这一条模型路线
1:13.066–1:14.566
zh按照模型卡的介绍
1:14.733–1:17.300
zh它建立在V4Flash架构之上
1:17.300–1:19.766
zh加入视觉模块并继续训练
1:20.100–1:21.933
zh以获得视觉理解能力
1:22.066–1:23.933
zh图片与文字一起输入
1:23.933–1:26.500
zh再围绕内容回答或处理任务
1:26.533–1:29.100
zh是目前资料支持的核心方向
1:29.200–1:31.066
zh不能因为名字里出现vision
1:31.666–1:34.500
zh就把实时视频语音对话和
1:34.500–1:37.333
zh图片生成全都自动算进来
1:37.333–1:39.100
zh这项变化为什么重要
1:39.266–1:41.966
zh因为现实工作里有大量信息
1:41.966–1:43.966
zh并不是一段整理好的文字
1:43.966–1:45.200
zh一份报告的关键
1:45.200–1:47.100
zh限制可能放在图注里
1:47.566–1:49.666
zh错误提示可能只有截图
1:50.366–1:51.766
zh页面布局决定哪个
1:51.766–1:53.366
zh数字对应哪个项目
1:53.566–1:55.766
zh模型如果只能接收文字
1:55.933–1:58.933
zh就需要有人先把这些内容解释一遍
1:59.066–2:00.200
zh人在做的
2:00.200–2:03.066
zh常常正是机器难以看清的那一段
2:03.133–2:05.000
zh以一张经营图表为例
2:05.166–2:07.733
zh只把上面的数字抄出来还不够
2:08.500–2:10.000
zh纵轴使用什么单位
2:10.266–2:12.133
zh两条线代表哪些对象
2:12.300–2:13.733
zh哪一段是预测值
2:13.733–2:15.066
zh都会影响结论
2:15.333–2:17.933
zh文字识别可以提供字和数字
2:18.400–2:20.900
zh视觉理解还得处理位置与关系
2:21.100–2:22.466
zh省掉这层判断
2:22.900–2:25.100
zh很容易得到一份文字流畅
2:25.566–2:27.800
zh却把事实关系讲反的分析
2:28.000–2:29.733
zh视觉模型提供了一条
2:29.733–2:32.166
zh减少这种信息损失的路线
2:32.400–2:34.566
zh不过看得见也有不同层次
2:34.766–2:36.466
zh识别一张图里有表格
2:36.666–2:38.133
zh读出其中几个值
2:38.500–2:40.866
zh判断这些值为什么发生变化
2:40.933–2:42.966
zh是逐步增加难度的任务
2:43.300–2:46.400
zhDeepseek这次发布能否改变实际使用
2:46.400–2:48.266
zh必须落到这些具体能力
2:48.333–2:51.066
zh不能靠会看图三个字一次带过
2:51.166–2:53.933
zh官方测试表给出了值得关注的信号
2:54.800–2:57.066
zhapexbench的pass AT1成绩
2:57.333–3:03.133
zh视觉实验版是36.5V4Flash0731是26.2
3:03.266–3:06.766
zh作为对照的Opus4.8是39.4
3:06.866–3:10.000
zh新版本比旧版本高10.3个百分点
3:10.200–3:12.900
zh但这组比较有一个不能略过的脚注
3:13.400–3:15.466
zh否则很容易把进步解释错
3:15.600–3:16.666
zh脚注写明
3:16.766–3:21.066
zh0731在apexbench和agents last exam两项测试
3:21.066–3:23.566
zh中忽略了输入里的多模态元素
3:24.200–3:25.166
zh也就是说
3:25.400–3:26.966
zh旧模型没有按同样
3:26.966–3:28.766
zh方式利用图像信息
3:28.900–3:31.566
zh新增视觉后成绩改善确实
3:31.566–3:33.866
zh说明开放这类输入有意义
3:34.400–3:36.700
zh但不能把全部差距解释成
3:36.700–3:39.166
zh在完全相同的信息条件下
3:39.366–3:41.366
zh纯推理能力提高了多少
3:41.766–3:43.566
zh这就像处理同一份材料
3:43.700–3:45.466
zh一个系统拿到了图文
3:45.533–3:47.500
zh另一个只处理其中的文字
3:47.766–3:48.933
zh结果可以比较
3:48.933–3:51.000
zh但比较回答的问题变了
3:51.066–3:53.100
zh它更接近完整系统获得
3:53.100–3:55.100
zh新输入后的表现变化
3:55.266–3:57.000
zh若要单独证明视觉
3:57.000–3:59.100
zh推理本身比某个模型强
3:59.533–4:01.133
zh还需要让参照对象
4:01.133–4:02.800
zh都能拿到相同资料
4:02.800–4:04.766
zh并控制其他测试条件
4:04.933–4:07.466
zh另一项agents last exam中
4:07.600–4:12.000
zh视觉实验版是27.30731 是25.2
4:12.333–4:14.900
zhOpus4.8是25.7
4:14.900–4:16.600
zh这里新模型在公布的
4:16.600–4:18.866
zh表格里领先了对照模型
4:19.066–4:21.866
zh但幅度不能被包装成压倒性胜利
4:22.100–4:24.966
zh模型卡提供的是这些条件下的成绩
4:25.066–4:27.200
zh不是每一家公司的所有任务
4:27.566–4:29.866
zh也不是未来应用的收益保证
4:29.966–4:32.600
zh更接近专业工作的一项是Chartography
4:33.300–4:36.066
zhDeepseek公布的成绩为64.3
4:36.100–4:39.100
zh对照的Opus4.8是65.0
4:39.366–4:40.566
zh两者很接近
4:40.733–4:43.600
zh这个基准关注专业图表理解
4:44.200–4:46.100
zh研究者强调不同领域的
4:46.100–4:48.200
zh图表有各自的表达习惯
4:48.466–4:50.566
zh读错一个少标注的坐标
4:50.600–4:52.333
zh或误解几何关系
4:52.466–4:53.800
zh就可能让后面的
4:53.800–4:55.966
zh推理从起点发生偏差
4:56.100–4:58.200
zh这种测试比让模型给
4:58.200–5:00.300
zh一张日常图片起标题
5:00.300–5:02.200
zh更能触及业务难点
5:02.500–5:05.066
zh专业用户需要从图里做出判断
5:05.166–5:07.500
zh光认出颜色和形状没有用
5:07.600–5:11.066
zh但专业图表基准的成绩也不能直接
5:11.066–5:13.766
zh当做某个行业的自动审批通过率
5:13.900–5:15.166
zh任务分布不同
5:15.466–5:16.900
zh允许的错误不同
5:17.500–5:19.466
zh实际系统还可能涉及额外
5:19.466–5:21.466
zh的数据处理和验证步骤
5:21.933–5:23.966
zh0bench又提出另一层限制
5:24.200–5:26.966
zh官方模型卡列的是RDNA5
5:27.500–5:29.466
zh视觉实验版35.0
5:29.666–5:31.566
zh对照模型34.0
5:31.600–5:33.566
zh这种指标考察多次尝试
5:33.566–5:35.566
zh中至少成功一次的情况
5:35.733–5:37.200
zh和一次作答的pass
5:37.766–5:39.333
zh艾特一不能混读
5:39.366–5:41.866
zh5次里能找到一次正确结果
5:42.066–5:44.000
zh并不代表部署时系统会
5:44.000–5:46.300
zh自动知道哪次才是正确的
5:46.366–5:48.300
zh实际用户付钱买结果
5:48.333–5:50.200
zh通常不希望收到5份相互
5:50.200–5:51.900
zh矛盾的答案再自行选
5:51.933–5:54.533
zh如果重试能够由验证程序筛选
5:54.566–5:56.100
zh就可能有实际价值
5:56.533–5:59.066
zh要靠专家重新检查每份答案
5:59.166–6:01.000
zh成本就会转移到人工
6:01.133–6:03.600
zh看榜单时忽略尝试次数
6:03.900–6:06.133
zh最容易把一个有研究意义的
6:06.133–6:09.500
zh进步误读成现成可靠的生产力
6:09.600–6:11.166
zh视觉能力加进去后
6:11.166–6:12.400
zh文字任务有没有受
6:12.400–6:14.266
zh影响也必须一起看
6:14.700–6:16.066
zh在Deepseek上
6:16.066–6:19.700
zh新模型是59.30731
6:19.700–6:23.666
zh是54.4 OPPO4.8是58.0
6:23.666–6:25.100
zh这项公布结果支持
6:25.100–6:26.966
zh一个有限但积极的判断
6:27.466–6:28.666
zh新增视觉后
6:28.733–6:30.400
zh它在这组任务上没有因为
6:30.400–6:32.766
zh功能扩展而牺牲原有表现
6:33.000–6:34.900
zh反而高于两个对照分数
6:34.900–6:37.733
zh但cybergame的结果没有延续这个方向
6:38.000–6:42.700
zh视觉实验版75.30731为76.7
6:42.900–6:45.200
zhOPPO 4.8为78.3
6:45.300–6:47.000
zh新模型低于旧版
6:47.066–6:48.133
zh也低于对照
6:48.266–6:49.900
zh这里不需要编造原因
6:50.266–6:51.666
zh现有材料并没有证明
6:51.666–6:53.700
zh是视觉模块造成下降
6:53.766–6:55.000
zh他提醒的是
6:55.166–6:57.200
zh能力变化存在不同方向
6:57.466–7:00.700
zh不能选完上涨项目就宣布全面升级
7:00.900–7:03.566
zhNL to Repo的差距更值得保留
7:04.133–7:06.400
zh视觉实验版是57.7
7:06.600–7:09.066
zhOPPO4.8是69.7
7:09.133–7:10.933
zh相差12个百分点
7:11.200–7:12.600
zh只要这一行还在
7:12.600–7:14.533
zh就很难把整张表讲成
7:14.533–7:16.500
zh闭源模型已经失去优势
7:16.766–7:19.400
zh采购模型的人真正关心的是
7:19.400–7:21.666
zh自己的主要任务落在哪一类
7:21.933–7:24.166
zh如果恰好是差距明显的那类
7:24.300–7:27.500
zh其他项目领先并不能补偿交付损失
7:27.766–7:29.900
zh官方还披露文字代理测试
7:29.900–7:32.400
zh使用Deepseek Harness的minimal模式
7:32.566–7:35.466
zh并为Deepseek设置最高档推理强度
7:35.666–7:37.200
zh采样温度为1.0
7:37.300–7:38.966
zhtop p为0.95
7:39.166–7:41.766
zh这些条件提醒使用者成绩
7:41.766–7:44.400
zh来自模型与运行框架的组合
7:44.566–7:46.066
zh换成不同工具配置
7:46.066–7:47.666
zh或更短的思考预算
7:47.700–7:50.266
zh不能直接假定还能拿到同样分数
7:50.866–7:52.533
zh所以这张表更适合
7:52.533–7:54.333
zh用来建立候选名单
7:54.466–7:55.766
zh而不是直接发出
7:55.766–7:57.733
zh全面替换的采购命令
7:57.900–7:59.966
zh它表明视觉实验版已经
7:59.966–8:02.066
zh有值得认真验证的能力
8:02.066–8:03.766
zh也明确留下了差距
8:03.966–8:06.500
zh下一步应当拿真实工作去复核
8:06.866–8:08.100
zh把进步说清楚
8:08.133–8:10.000
zh再把适用范围划清楚
8:10.300–8:11.900
zh远比把一个模型捧成
8:11.900–8:13.700
zh万能答案更有判断力
8:13.800–8:14.766
zh除了分数
8:15.100–8:17.133
zh发布内容本身也有分量
8:17.300–8:19.766
zh官方仓库使用MIT许可证
8:19.966–8:22.966
zh并公开了提示编码和最小推理实现
8:23.166–8:26.000
zh开发者获得的是检查和改造的基础
8:26.400–8:28.000
zh不只是一扇只能提交
8:28.000–8:30.066
zh问题等待结果的接口
8:30.200–8:31.900
zh模型如何接收图像
8:32.300–8:33.766
zh输入怎样编码
8:33.966–8:36.366
zh可以沿着公开文件继续研究
8:36.500–8:39.200
zh但这里的开放范围需要准确描述
8:39.600–8:41.733
zh仓库有权重和相关代码
8:41.800–8:44.200
zh不等于训练使用的全部数据
8:44.600–8:46.200
zh清洗过程和每一次
8:46.200–8:48.000
zh实验都已完整公开
8:48.166–8:50.933
zh模型可下载与训练全过程可
8:50.933–8:53.133
zh复现不是同一级别的承诺
8:53.333–8:54.900
zh商业应用还要处理
8:54.900–8:57.000
zh自身数据的授权与隐私
8:57.166–8:59.566
zh不能把模型许可证当成所有
8:59.566–9:01.866
zh素材都能任意使用的通行证
9:02.300–9:04.366
zhMIT许可证提供了使用和
9:04.366–9:06.133
zh修改等方面的许可
9:06.566–9:08.800
zh同时保留相应通知要求
9:08.800–9:10.666
zh并按现状提供软件
9:10.666–9:12.100
zh不做质量担保
9:12.200–9:14.266
zh开源用户得到更多主动权
9:14.266–9:15.866
zh也要承担验证责任
9:16.600–9:19.333
zh模型能进入自家系统是一个开始
9:19.900–9:21.600
zh出了错误由谁处理
9:21.666–9:22.800
zh服务怎么维护
9:22.800–9:25.700
zh并不会在下载完成那一刻自动解决
9:25.966–9:26.933
zh从结构上看
9:26.933–9:28.700
zh这次公开的实现包含
9:28.700–9:31.000
zh视觉编码器与对齐模块
9:31.266–9:33.066
zh前者处理图像信息
9:33.166–9:35.400
zh后者参与把视觉表示接到
9:35.400–9:37.800
zh语言模型所能利用的形式里
9:37.933–9:40.566
zh普通用户不需要记住每个技术名字
9:40.766–9:43.333
zh但这个结构说明会看图
9:43.333–9:45.133
zh依赖具体的处理链路
9:45.600–9:47.100
zh不是给文字模型换
9:47.100–9:49.066
zh一个产品标签就能完成
9:49.133–9:52.066
zh这条链路的前端尤其容易被低估
9:52.566–9:54.133
zh图片进入模型之前
9:54.133–9:56.733
zh通常要经过尺寸和像素处理
9:56.900–9:58.400
zh假如一张密集报表被
9:58.400–10:00.200
zh处理的细节难以辨认
10:00.333–10:02.166
zh后面再强的推理也不能
10:02.166–10:05.133
zh保证恢复原来那几个小字所以
10:05.366–10:08.500
zh评估视觉模型要把输入处理算进去
10:08.600–10:11.400
zh不能只检查生成回答的最后一段
10:11.800–10:12.866
zh官方单独公开了
10:12.866–10:14.700
zh图文提示的编码参考
10:14.966–10:17.366
zh支持图像与文字交错出现
10:17.466–10:19.400
zh文档还用两种输入写法
10:19.400–10:21.266
zh表达同一个双图问题
10:21.400–10:23.000
zh并检查它们得到相同
10:23.000–10:24.800
zh的提示与输入序列
10:25.000–10:27.066
zh这个设计看起来很工程化
10:27.100–10:29.266
zh却触及一个常见错误来源
10:29.666–10:31.066
zh第一张图和第二张图
10:31.066–10:32.600
zh如果在传递中对调
10:32.933–10:34.566
zh模型可能答得很流畅
10:34.733–10:36.466
zh却始终在弹错对象
10:36.500–10:39.366
zh比如需要比较修改前后的两份界面
10:39.533–10:41.533
zh问题是哪个按钮消失了
10:41.900–10:43.866
zh顺序就决定变化方向
10:44.166–10:45.933
zh编码阶段保持图像
10:45.933–10:47.666
zh与文字的对应关系
10:47.800–10:49.400
zh才有资格继续讨论
10:49.400–10:51.266
zh模型理解的是否正确
10:51.366–10:53.700
zh这种基础设施做对之后
10:53.766–10:55.666
zh开发者才不至于把输入
10:55.666–10:58.000
zh错误误诊成模型智力不足
10:58.100–11:00.700
zh或者不断改提示词却没有效果
11:01.133–11:03.866
zh配置文件还保留了混合专家结构
11:04.100–11:06.700
zh它列出256个路由专家
11:06.733–11:08.500
zh每个词元选择6个
11:08.500–11:10.066
zh并有共享专家
11:10.166–11:12.333
zh这个结构试图让每次计算
11:12.333–11:14.800
zh只动用模型的一部分能力
11:15.300–11:17.200
zh但不能把它理解为只需要
11:17.200–11:19.533
zh存储那几个被选中的专家
11:19.666–11:21.200
zh实际部署仍要处理
11:21.200–11:23.500
zh模型权重及运行时资源
11:23.866–11:26.266
zh存得下和算得快是不同约束
11:26.400–11:28.566
zh这也是为什么Flash三个字不能
11:28.566–11:31.466
zh自动翻译成普通电脑轻松运行
11:32.366–11:34.000
zh名字表达产品路线
11:34.000–11:35.566
zh不是硬件配置单
11:35.700–11:37.100
zh速度会受到硬件
11:37.100–11:39.066
zh带宽和推理实现影响
11:39.200–11:42.466
zh并发增加后还会出现新的资源压力
11:42.600–11:44.900
zh缺少针对具体机器的测量
11:45.300–11:48.066
zh就不应该承诺每秒生成多少字
11:48.366–11:50.933
zh更不能仅凭名称推算成本
11:51.566–11:54.100
zh配置中还能看到低精度相关设置
11:54.400–11:56.466
zh包括专家权重的FP4
11:56.466–11:58.600
zh设置和FP8量化信息
11:58.800–12:00.766
zh低精度的目标之一是
12:00.766–12:03.133
zh降低存储或计算负担
12:03.200–12:06.166
zh但收益取决于实现与硬件支持
12:06.600–12:08.400
zh精度变化也需要验证
12:08.500–12:09.766
zh它是优化工具
12:09.766–12:11.700
zh不是一个只赚不亏的按钮
12:11.900–12:14.000
zh不同组件的精度还可能不同
12:14.366–12:15.566
zh不能把整套模型
12:15.566–12:17.366
zh简单描述成统一四维
12:17.566–12:20.100
zh上下文上限也同样需要谨慎
12:20.500–12:24.400
zh配置文件的最大位置数是1048576
12:24.466–12:26.666
zh属于约百万词元的量级
12:27.000–12:28.800
zh这是容量相关的设置
12:28.866–12:30.600
zh不能直接读成百万字
12:30.966–12:32.566
zh更不能保证塞进去的
12:32.566–12:34.866
zh每一个细节都会被准确利用
12:35.066–12:36.566
zh窗口能容纳多少
12:36.866–12:39.466
zh与长材料中能找到多少有效证据
12:39.600–12:41.000
zh需要分别测量
12:41.166–12:44.366
zh图文场景会让长上下文问题更实际
12:44.600–12:47.366
zh一份长报告可能包含多页图表
12:47.600–12:50.333
zh同一指标在不同页面又有不同口径
12:50.700–12:52.500
zh模型要找到正确位置
12:52.566–12:55.300
zh还得保持单位与时间范围的一致
12:55.466–12:57.500
zh多放一些内容进去
12:57.500–12:59.133
zh只是给了更多材料
12:59.500–13:02.000
zh如果材料之间的关系没有处理好
13:02.200–13:04.866
zh更大的窗口也可能存在更多混淆
13:05.133–13:06.366
zh参考推理文档对
13:06.366–13:07.966
zh自身定位说的很清楚
13:08.300–13:10.666
zh它是一份便于阅读的参考实现
13:10.733–13:12.400
zh并非生产服务引擎
13:12.766–13:15.333
zh代码包含Genspark相关前向路径
13:15.466–13:17.066
zh但生成循环仍然是
13:17.066–13:18.600
zh直接的自回归采样
13:18.700–13:20.333
zh这意味着能在代码里
13:20.333–13:22.566
zh找到某种能力的组成部分
13:23.100–13:25.466
zh不等于配套服务已经把吞吐
13:25.466–13:27.900
zh和调度都优化到成熟状态
13:28.000–13:30.333
zh把参考实现接成长期服务
13:30.400–13:31.966
zh还要处理请求排队
13:32.333–13:34.000
zh资源分配和失败恢复
13:34.133–13:36.333
zh单次测试跑通只能证明
13:36.333–13:38.000
zh这一次流程可以执行
13:38.166–13:39.900
zh客户同时上传资料
13:39.966–13:41.400
zh某个请求过长
13:41.600–13:43.466
zh机器资源暂时不足
13:43.566–13:45.600
zh这些情况都会影响交付
13:46.000–13:47.933
zh实验模型最容易被夸大的
13:47.933–13:50.600
zh地方就是把能够运行写成
13:50.600–13:52.866
zh已经适合任何生产环境
13:53.066–13:54.533
zh文档里的并行示例也
13:54.533–13:56.666
zh不能当成最低硬件要求
13:57.400–13:59.600
zh示例展示了如何组织执行
13:59.600–14:00.933
zh不等于已经测出
14:00.933–14:02.666
zh所有部署组合的下限
14:02.900–14:04.333
zh官方目前这些文件
14:04.333–14:06.066
zh并没有给出足够依据
14:06.266–14:08.533
zh让外界承诺某种消费级
14:08.533–14:10.866
zh设备一定可以获得理想体验
14:11.133–14:13.066
zh后续优化可能改变门槛
14:13.133–14:14.566
zh但未验证的结果
14:14.566–14:16.466
zh应当留在未来时态里
14:16.533–14:17.700
zh经过这些限制
14:17.866–14:20.133
zh开源的价值反而更具体了
14:20.533–14:21.866
zh一个企业如果只通过
14:21.866–14:23.600
zh外部接口使用模型
14:24.000–14:27.066
zh很多前处理和服务细节由别人决定
14:27.166–14:28.800
zh获得权重和代码后
14:28.866–14:30.333
zh它至少能够针对自己
14:30.333–14:32.100
zh的资料格式做调整
14:32.366–14:34.766
zh固定版本并保留测试环境
14:35.366–14:38.166
zh这种可控制性对长期工作有意义
14:38.400–14:40.700
zh即使它不自动带来最低成本
14:40.800–14:42.600
zh最容易进入试验的场景
14:42.866–14:44.400
zh是视觉信息与明确
14:44.400–14:46.266
zh规则同时存在的工作
14:46.466–14:48.133
zh比如报销单据处理
14:48.333–14:50.166
zh模型先提取候选字段
14:50.533–14:53.000
zh再由程序核对总额和日期格式
14:53.333–14:54.900
zh异常部分交给人
14:54.900–14:56.300
zh这个流程把模型用于
14:56.300–14:57.933
zh难以标准化的识别
14:57.933–15:00.766
zh把容易验证的条件交给确定规则
15:01.066–15:02.733
zh它是一种应用设计思路
15:02.900–15:05.900
zh不是本次发布已经证明的客户案例
15:06.000–15:07.733
zh这样的组合还有一个优势
15:07.933–15:09.300
zh错误更容易定位
15:09.700–15:10.566
zh金额看错了
15:10.566–15:12.000
zh可以回到对应图像
15:12.133–15:14.533
zh加总不一致可以检查计算
15:14.800–15:17.566
zh审批未通过则应当有业务原因
15:17.666–15:19.366
zh若把所有工作都塞进
15:19.366–15:21.133
zh一句处理完这份报销
15:21.366–15:22.766
zh得到一个总判断
15:22.933–15:25.000
zh后续复查就会困难得多
15:25.300–15:28.066
zh开放模型给了拆分这些环节的条件
15:28.300–15:30.600
zh系统设计仍需要认真完成
15:30.766–15:32.866
zh文档整理也有类似机会
15:33.133–15:34.866
zh扫描件可能排版复杂
15:35.333–15:36.266
zh表格跨页
15:36.500–15:38.100
zh图注夹在正文里
15:38.133–15:40.066
zh一个能利用图像的模型
15:40.266–15:42.200
zh有机会减少先转成纯
15:42.200–15:43.866
zh文字时的结构丢失
15:44.066–15:46.166
zh但有机会不等于已经准确
15:46.300–15:49.400
zh实际验收应当保留页码与证据位置
15:49.666–15:52.100
zh让使用者能回到材料核对
15:52.100–15:54.766
zh而不是只得到一份无法追溯的摘要
15:55.133–15:57.300
zh网页任务则要求模型把
15:57.300–15:59.100
zh画面与动作对应起来
15:59.266–16:00.700
zh识别按钮在哪里
16:00.766–16:02.066
zh仅仅是起点
16:02.200–16:03.566
zh按钮能否点击
16:03.866–16:05.566
zh点击后是否成功
16:05.800–16:08.300
zh页面有没有出现新的确认步骤
16:08.900–16:11.100
zh都要由执行系统继续观察
16:11.366–16:14.100
zh视觉模型可以参与判断屏幕内容
16:14.466–16:17.066
zh但它不会因为看见一个付款按钮
16:17.366–16:19.333
zh就自动获得付款权限
16:19.766–16:22.066
zh也不应被赋予这种默认权利
16:22.133–16:23.600
zh做界面测试时
16:23.600–16:25.133
zh视觉能力有机会发现
16:25.133–16:27.200
zh文字日志里不明显的问题
16:27.366–16:29.000
zh比如内容是否被遮挡
16:29.566–16:31.500
zh某个组件的位置是否异常
16:31.766–16:34.100
zh但这类判断也需要明确标准
16:34.333–16:36.100
zh页面有两种合理布局
16:36.533–16:38.100
zh模型偏好其中一种
16:38.100–16:40.133
zh不代表另一种就是错误
16:40.300–16:42.166
zh真正可以自动验收的
16:42.166–16:45.100
zh应当是可描述可复查的要求
16:45.200–16:47.400
zh而不是一句看起来不够好
16:47.400–16:48.866
zh这些例子共同指向
16:48.866–16:51.000
zh一个更有用的竞争标准
16:51.366–16:54.166
zh模型的价值应该落在某个环节
16:54.166–16:55.866
zh少了多少人工搬运
16:56.066–16:58.300
zh又增加了多少检查成本
16:58.400–17:01.200
zh一个专业流程可能不需要全能模型
17:01.500–17:04.500
zh只需要它稳定处理少数关键输入
17:04.733–17:06.600
zh只要这些输入足够频繁
17:07.100–17:09.333
zh局部可靠的能力就能有价值
17:09.533–17:12.800
zh不必等所有基准都拿第一反过来
17:12.966–17:15.933
zh模型在困难基准上的平均成绩提高
17:16.266–17:17.333
zh也不意味着可以
17:17.333–17:19.200
zh接手风险最高的决策
17:19.533–17:22.500
zh医疗图像重要工程判断和
17:22.500–17:25.066
zh敏感财务操作都有远超过
17:25.066–17:26.900
zh一次问答的责任要求
17:27.000–17:29.133
zh此处讨论的专业图表表现
17:29.133–17:31.333
zh只能提供研究和选型线索
17:31.733–17:33.333
zh不能替代领域验证
17:33.366–17:35.266
zh更不能被包装成取消
17:35.266–17:37.000
zh专业人员审核的理由
17:37.200–17:38.700
zh模型能够读图之后
17:38.700–17:41.133
zh还会扩大需要保护的数据范围
17:41.400–17:43.533
zh截图中可能包含账号个人
17:43.533–17:46.100
zh身份信息或内部系统界面
17:46.900–17:49.200
zh资料原本只在某人的屏幕上
17:49.300–17:51.600
zh上传之后就进入新的处理链
17:51.866–17:53.300
zh企业部署前需要
17:53.300–17:55.333
zh弄清楚图像去了哪里
17:55.466–17:57.000
zh哪些记录被保留
17:57.100–17:58.566
zh以及故障排查时
17:58.566–18:00.700
zh会不会再次复制这些资料
18:01.000–18:02.400
zh自行部署给了更多
18:02.400–18:04.266
zh控制数据流向的机会
18:04.300–18:06.333
zh却不自动等于数据安全
18:06.466–18:08.566
zh如果服务暴露范围过大
18:08.666–18:10.566
zh日志记录了敏感图片
18:10.566–18:12.666
zh或者管理权限没有分开
18:12.733–18:15.200
zh本地机器一样可能形成风险
18:15.300–18:16.933
zh更合理的判断是
18:16.933–18:18.900
zh开放权重允许使用者
18:18.900–18:20.600
zh自己安排保护措施
18:21.000–18:23.266
zh同时也要求使用者有能力
18:23.266–18:25.733
zh把这些措施真正执行下去
18:25.966–18:27.533
zh视觉输入还存在与
18:27.533–18:29.466
zh文字类似的信任问题
18:30.100–18:31.300
zh图片里的文字可能
18:31.300–18:32.900
zh是需要分析的内容
18:32.933–18:35.733
zh也可能夹带试图改变任务的指令
18:36.100–18:38.466
zh系统应该分清材料和授权
18:38.533–18:41.133
zh不能因为模型能够读到某一句话
18:41.133–18:42.900
zh就把它当成新的命令
18:43.000–18:45.266
zh让模型接触更多信息
18:45.500–18:47.533
zh同时也意味着要更清楚的
18:47.533–18:49.800
zh约束它能用这些信息做什么
18:50.066–18:51.100
zh这些安全要求
18:51.100–18:53.066
zh并没有否定发布的意义
18:53.500–18:56.066
zh相反他们解释了为什么开放
18:56.066–18:58.366
zh模型会吸引一部分开发者
18:58.533–19:00.366
zh某些团队希望自行定义
19:00.366–19:02.800
zh审核环节和数据保留策略
19:02.966–19:04.733
zh也希望固定一个版本
19:05.500–19:07.766
zh不必跟着外部服务每次调整
19:07.966–19:10.500
zh模型能力只要达到业务所需
19:10.600–19:12.466
zh更多控制权本身就能
19:12.466–19:14.166
zh构成选择它的理由
19:14.266–19:16.600
zh不过固定版本也有代价
19:16.933–19:18.400
zh没有自动跟随更新
19:18.400–19:20.466
zh就需要主动评估新版本
19:20.600–19:22.666
zh决定是否修补或替换
19:22.866–19:25.666
zh维护人员需要保留测试样本
19:25.666–19:27.966
zh知道这次升级改善了什么
19:28.066–19:29.400
zh又损害了什么
19:29.500–19:32.133
zh否则所谓稳定版本可能只是
19:32.133–19:34.166
zh很久没有被检查的旧版本
19:34.933–19:36.366
zh控制权只有配上维护
19:36.366–19:38.366
zh能力才会变成可靠性
19:38.600–19:40.000
zh成本同样不能只看
19:40.000–19:41.466
zh有没有许可证费用
19:41.900–19:44.100
zh自建服务要承担计算资源
19:44.566–19:46.966
zh还要有人负责接入和日常运维
19:47.166–19:48.966
zh任务量少的时候机器
19:48.966–19:50.800
zh空闲也可能产生费用
19:51.266–19:53.966
zh任务突然增加又可能需要扩容
19:54.366–19:55.400
zh使用接口则有
19:55.400–19:57.200
zh另一种计费与服务依赖
19:57.566–19:59.866
zh两者应该按相同业务量比较
19:59.966–20:01.466
zh不能把免费的权重
20:01.466–20:03.066
zh写成免费的生产力
20:03.166–20:05.366
zh视觉工作还会改变成本结构
20:05.500–20:07.133
zh一张图要怎样缩放
20:07.266–20:08.900
zh是否需要重新裁切
20:09.400–20:11.166
zh失败后要重试几次
20:11.400–20:13.333
zh都会影响实际处理过程
20:13.466–20:16.166
zh只比较文字输出的单位价格
20:16.700–20:18.400
zh可能忽略大部分成本
20:18.533–20:20.933
zh真正有参考价值的指标是
20:20.933–20:23.200
zh处理完一份达到要求的资料
20:23.366–20:25.900
zh总共花了多少资源和人工时间
20:25.966–20:28.133
zh一个便宜模型反复答错
20:28.133–20:30.400
zh再让昂贵模型或专家补救
20:30.533–20:32.066
zh未必比一开始就选择
20:32.066–20:34.466
zh更合适的方案省钱相反
20:34.866–20:37.366
zh先用低成本办法处理简单任务
20:37.700–20:40.133
zh再把疑难部分交给更强系统
20:40.166–20:41.333
zh也可能有效
20:41.466–20:44.800
zh关键是难度分类和失败识别要可靠
20:44.966–20:47.200
zh不能在不知道对错的情况下
20:47.200–20:49.866
zh只按价格把任务自动往下分
20:50.100–20:51.500
zh开源路线因此可能
20:51.500–20:53.400
zh推动更细的产品分工
20:53.533–20:55.666
zh有团队专门改善推理
20:55.666–20:58.800
zh有团队针对行业资料设计验证
20:58.866–21:01.966
zh还有团队负责把能力放进业务软件
21:02.166–21:04.866
zh他们不必都从训练基础模型开始
21:05.133–21:06.400
zh但这是开放条件
21:06.400–21:08.266
zh可能带来的发展方向
21:08.400–21:11.666
zh不代表这些环节今天已经全部成熟
21:11.933–21:13.466
zh更不代表任何创业
21:13.466–21:15.266
zh项目都能因此盈利
21:15.533–21:17.266
zh闭源服务也不会因为一个
21:17.266–21:19.533
zh开放模型出现就失去价值
21:20.133–21:21.700
zh用户可能继续为稳定
21:21.700–21:23.600
zh服务和配套工具付费
21:23.933–21:26.666
zh也可能需要供应商承担运维责任
21:27.200–21:29.566
zh开源竞争提高的是替代可能性
21:29.700–21:32.666
zh只有替代方案在实际任务上跑得通
21:32.666–21:35.366
zh用户才有更多谈价和迁移空间
21:35.533–21:37.733
zh而不是在宣布开放的那一刻
21:37.733–21:39.566
zh所有价格就必然下降
21:39.733–21:41.266
zh这次发布对Deepseek
21:41.366–21:42.933
zh自身也提出了要求
21:43.800–21:46.066
zh模型卡能吸引开发者过来
21:46.133–21:47.933
zh清晰的文档和可运行
21:47.933–21:49.733
zh实现才能让他们留下
21:49.866–21:51.533
zh发现结果差异之后
21:51.666–21:54.366
zh能不能定位到版本和输入处理
21:54.500–21:56.933
zh决定社区是否有办法一起改进
21:57.266–21:58.933
zh开放生态的效率来自可
21:58.933–22:01.700
zh检查的问题和可复用的修复
22:01.866–22:03.866
zh不能只用下载量来代替
22:04.000–22:05.166
zh读懂这个逻辑
22:05.400–22:08.300
zh就能理解为什么实验版也值得报道
22:08.733–22:10.300
zh他把一部分原本只能
22:10.300–22:12.466
zh通过最终回答观察的能力
22:12.600–22:15.866
zh变成可检查和可接入的技术材料
22:16.133–22:17.733
zh研究者可以发现边界
22:17.900–22:20.300
zh开发者可以试自己的工作流程
22:20.600–22:22.933
zh价值发生在这些具体动作里
22:22.966–22:24.566
zh未必需要先获得一个
22:24.566–22:26.300
zh全世界最强的称号
22:26.800–22:29.766
zh但开源社区的反馈也要分层看
22:29.800–22:31.733
zh一条成功运行的分享
22:31.866–22:33.566
zh只能代表那个人的环境
22:34.100–22:36.566
zh一条失败报告也不能直接
22:36.566–22:39.333
zh证明模型对所有人都不可用
22:39.400–22:41.500
zh真正能积累成证据的
22:41.500–22:44.900
zh是清楚的版本硬件条件和输入
22:45.000–22:47.166
zh以及可以重复得到的结果
22:47.466–22:49.566
zh省略这些背景讨论
22:49.566–22:51.366
zh很容易变成立场对撞
22:51.600–22:53.600
zh选择是否采用这款模型
22:54.000–22:55.333
zh一个实际的起点是
22:55.333–22:57.066
zh保留自己的工作样本
22:57.333–22:59.866
zh样本不能只有清晰漂亮的图片
23:00.000–23:02.066
zh还应包含日常真的会遇到
23:02.066–23:04.100
zh的模糊内容和排版变化
23:04.500–23:06.766
zh测试要覆盖重要的失败类型
23:06.933–23:09.366
zh而不是专门挑模型擅长的题
23:09.566–23:12.500
zh否则上线之前看到的准确率
23:12.533–23:15.200
zh可能只是对精心整理的材料负责
23:15.333–23:18.333
zh中文使用场景尤其需要单独验证
23:18.733–23:20.933
zh这次模型卡的成绩表并没有
23:20.933–23:23.900
zh逐项披露简体中文票据繁体字
23:23.900–23:26.800
zh截图或中英混排文件的专项结果
23:26.933–23:29.133
zh同一页里既有中文项目名
23:29.133–23:31.400
zh又有英文缩写和数字单位
23:31.566–23:33.466
zh错误可能发生在字符
23:33.766–23:35.666
zh也可能发生在对应关系
23:35.866–23:38.000
zh面向中文业务的开发者不能用
23:38.000–23:40.900
zh一组纵合层级替代本地材料测试
23:41.200–23:44.133
zh样本还应区分错误的严重程度
23:44.300–23:45.766
zh图标题多了一个字
23:46.000–23:48.200
zh与把金额的小数点看错
23:48.566–23:50.300
zh不应该获得同样评价
23:50.500–23:51.866
zh哪怕整体正确
23:51.966–23:52.966
zh数量相近
23:53.200–23:55.666
zh业务后果也可能完全不同
23:55.800–23:58.466
zh模型选型需要把损失放进考核
23:58.700–24:01.400
zh才能知道哪些任务可以自动通过
24:01.566–24:03.766
zh哪些必须停下来让人确认
24:04.466–24:05.700
zh比较模型时
24:05.766–24:08.766
zh输入质量和可用工具也要尽量一致
24:08.966–24:10.366
zh一个系统可以放大
24:10.366–24:12.266
zh图像并调用计算工具
24:12.700–24:14.666
zh另一个只能看一次压缩图
24:14.733–24:16.000
zh结果反映的就是
24:16.000–24:18.100
zh不同系统的综合表现
24:18.266–24:19.966
zh这样的比较仍然有用
24:20.066–24:23.200
zh但需要讲清楚买到的是哪一套能力
24:23.333–24:24.966
zh不能把所有优势都
24:24.966–24:26.766
zh归到模型权重本身
24:26.933–24:29.566
zh运行时间也应与结果一起记录
24:30.266–24:32.466
zh一个任务等很久才答对
24:32.566–24:35.200
zh和一个交互场景要求及时反馈
24:36.066–24:37.333
zh适用条件不同
24:37.866–24:40.300
zh有些离线批处理可以接受等待
24:40.700–24:42.400
zh有些现场操作不行
24:42.533–24:44.466
zh最高推理强度下的分数
24:44.466–24:46.200
zh提供能力上限的线索
24:46.500–24:48.733
zh日常产品还要找到准确率
24:48.733–24:50.766
zh与等待之间合适的位置
24:51.100–24:52.266
zh最后还要检查系统
24:52.266–24:54.166
zh会不会承认无法确定
24:54.333–24:56.933
zh一张关键区域模糊的图片
24:57.166–24:58.366
zh硬给一个答案
24:58.400–25:01.566
zh可能比明确请求更清晰的材料更糟
25:01.966–25:04.000
zh合理的流程应该允许暂停
25:04.066–25:05.100
zh保留证据
25:05.100–25:06.266
zh再安排复核
25:06.366–25:07.466
zh多模态进步
25:07.466–25:10.900
zh如果只让错误回答看起来更自信
25:11.266–25:13.933
zh而没有改善这种不确定性的处理
25:14.100–25:16.133
zh商业价值会受到限制
25:16.300–25:20.366
zh所以Deepseek v四flash vision exp的发布
25:20.466–25:23.700
zh最扎实的意义是让V4路线补上了
25:23.700–25:26.166
zh可公开研究的视觉理解能力
25:26.566–25:28.100
zh并给出了能够讨论
25:28.100–25:29.866
zh优劣的测试与实现
25:30.066–25:32.133
zh部分项目已经显示竞争力
25:32.266–25:33.900
zh其他项目仍有差距
25:34.100–25:36.300
zh实验状态部署成本和业务
25:36.300–25:39.533
zh可靠性都应当留在同一张判断表里
25:39.600–25:42.200
zh生态接入已经出现了一个具体信号
25:42.766–25:47.500
zhOpenclaw2.0的发布说明把Deepseek V4 Flash vision
25:47.600–25:50.100
zh实验模型列进了模型发现更新
25:50.133–25:51.866
zh这个条目说明周边
25:51.866–25:53.900
zh工具开始识别相关模型
25:54.066–25:56.566
zh但只是发现与接入层面的信息
25:56.766–25:58.300
zh不能当成所有图像
25:58.300–25:59.800
zh任务都已测试通过
26:00.133–26:01.333
zh目录里找得到
26:01.666–26:03.533
zh和接上之后持续交付
26:03.966–26:06.133
zh是需要分别验收的两步
26:06.133–26:07.533
zh这也给后续进展
26:07.533–26:09.333
zh提供了可观察的方向
26:09.666–26:10.966
zh模型发布以后
26:11.133–26:14.333
zh值得跟踪的不只是又出现多少演示
26:14.533–26:17.666
zh还包括不同工具是否正确传递图像
26:18.100–26:20.366
zh服务实现能否稳定运行
26:20.733–26:22.266
zh以及真实任务的失败
26:22.266–26:23.933
zh案例有没有得到修复
26:24.066–26:26.100
zh这几类改进会相互影响
26:26.333–26:28.766
zh最终决定开放的能力能不能以普通
26:28.766–26:31.733
zh用户用得起用得明白的方式出现
26:31.900–26:33.800
zh它能否继续扩大影响
26:33.866–26:36.600
zh要看接下来的复现与工程工作
26:36.733–26:39.700
zh能不能把模型成绩变成稳定交付
26:40.100–26:41.200
zh对用户而言
26:41.333–26:44.533
zh值得期待的是更多可验证的选择
26:44.600–26:47.500
zh一个模型不需要在所有问题上获胜
26:47.566–26:50.266
zh才有机会改变某一类工作的成本
26:50.533–26:53.566
zh但只有真正把那一类工作做可靠了
26:53.566–26:55.866
zh开源发布才算兑现了价值
0:00.166–0:02.266
Deepseek把V4家族的视觉
0:02.266–0:04.066
实验模型开放出来了
0:04.133–0:05.400
它开始把图片里的
0:05.400–0:07.100
信息带进任务处理
0:07.166–0:09.466
在官方公布的部分测试中
0:09.500–0:11.266
超过OPPO4.8
0:11.300–0:13.266
也有项目明显落后
0:13.300–0:15.500
这次发布最值得追问的
0:15.866–0:17.333
是开放的视觉能力
0:17.333–0:19.500
能不能真正进入工作流程
0:19.933–0:22.133
让更多人不必只靠少数
0:22.133–0:24.000
平台来处理自己的资料
0:24.300–0:25.733
模型的完整名字叫
0:25.733–0:28.700
Deepseek V4 Flash vision EXP
0:28.966–0:29.800
名字很长
0:29.800–0:32.200
但最后那个EXP尤其重要
0:32.266–0:33.600
它代表实验性质
0:34.000–0:35.966
截至2026年9月1日
0:36.133–0:38.766
官方hugging face仓库已经公开
0:38.933–0:40.366
模型说明之外
0:40.466–0:42.733
还提供了权重相关文件
0:42.866–0:45.000
配置和参考推理代码
0:45.300–0:46.866
发布本身有据可查
0:47.000–0:49.666
实际表现仍要按测试条件判断
0:49.800–0:52.400
官方把它称为Deepseek v四
0:52.400–0:54.966
家族首个实验性多模态模型
0:55.066–0:57.600
这里的首个限定在V4家族
0:57.966–0:59.666
不能扩写成Deepseek
0:59.966–1:01.866
此前完全没有视觉研究
1:02.200–1:03.800
早在Janus系列中
1:03.866–1:06.966
Deepseek就探索过多模态理解与生成
1:07.333–1:10.066
这次值得注意的进展是视觉模块
1:10.066–1:12.900
进入了v四flash这一条模型路线
1:13.066–1:14.566
按照模型卡的介绍
1:14.733–1:17.300
它建立在V4Flash架构之上
1:17.300–1:19.766
加入视觉模块并继续训练
1:20.100–1:21.933
以获得视觉理解能力
1:22.066–1:23.933
图片与文字一起输入
1:23.933–1:26.500
再围绕内容回答或处理任务
1:26.533–1:29.100
是目前资料支持的核心方向
1:29.200–1:31.066
不能因为名字里出现vision
1:31.666–1:34.500
就把实时视频语音对话和
1:34.500–1:37.333
图片生成全都自动算进来
1:37.333–1:39.100
这项变化为什么重要
1:39.266–1:41.966
因为现实工作里有大量信息
1:41.966–1:43.966
并不是一段整理好的文字
1:43.966–1:45.200
一份报告的关键
1:45.200–1:47.100
限制可能放在图注里
1:47.566–1:49.666
错误提示可能只有截图
1:50.366–1:51.766
页面布局决定哪个
1:51.766–1:53.366
数字对应哪个项目
1:53.566–1:55.766
模型如果只能接收文字
1:55.933–1:58.933
就需要有人先把这些内容解释一遍
1:59.066–2:00.200
人在做的
2:00.200–2:03.066
常常正是机器难以看清的那一段
2:03.133–2:05.000
以一张经营图表为例
2:05.166–2:07.733
只把上面的数字抄出来还不够
2:08.500–2:10.000
纵轴使用什么单位
2:10.266–2:12.133
两条线代表哪些对象
2:12.300–2:13.733
哪一段是预测值
2:13.733–2:15.066
都会影响结论
2:15.333–2:17.933
文字识别可以提供字和数字
2:18.400–2:20.900
视觉理解还得处理位置与关系
2:21.100–2:22.466
省掉这层判断
2:22.900–2:25.100
很容易得到一份文字流畅
2:25.566–2:27.800
却把事实关系讲反的分析
2:28.000–2:29.733
视觉模型提供了一条
2:29.733–2:32.166
减少这种信息损失的路线
2:32.400–2:34.566
不过看得见也有不同层次
2:34.766–2:36.466
识别一张图里有表格
2:36.666–2:38.133
读出其中几个值
2:38.500–2:40.866
判断这些值为什么发生变化
2:40.933–2:42.966
是逐步增加难度的任务
2:43.300–2:46.400
Deepseek这次发布能否改变实际使用
2:46.400–2:48.266
必须落到这些具体能力
2:48.333–2:51.066
不能靠会看图三个字一次带过
2:51.166–2:53.933
官方测试表给出了值得关注的信号
2:54.800–2:57.066
apexbench的pass AT1成绩
2:57.333–3:03.133
视觉实验版是36.5V4Flash0731是26.2
3:03.266–3:06.766
作为对照的Opus4.8是39.4
3:06.866–3:10.000
新版本比旧版本高10.3个百分点
3:10.200–3:12.900
但这组比较有一个不能略过的脚注
3:13.400–3:15.466
否则很容易把进步解释错
3:15.600–3:16.666
脚注写明
3:16.766–3:21.066
0731在apexbench和agents last exam两项测试
3:21.066–3:23.566
中忽略了输入里的多模态元素
3:24.200–3:25.166
也就是说
3:25.400–3:26.966
旧模型没有按同样
3:26.966–3:28.766
方式利用图像信息
3:28.900–3:31.566
新增视觉后成绩改善确实
3:31.566–3:33.866
说明开放这类输入有意义
3:34.400–3:36.700
但不能把全部差距解释成
3:36.700–3:39.166
在完全相同的信息条件下
3:39.366–3:41.366
纯推理能力提高了多少
3:41.766–3:43.566
这就像处理同一份材料
3:43.700–3:45.466
一个系统拿到了图文
3:45.533–3:47.500
另一个只处理其中的文字
3:47.766–3:48.933
结果可以比较
3:48.933–3:51.000
但比较回答的问题变了
3:51.066–3:53.100
它更接近完整系统获得
3:53.100–3:55.100
新输入后的表现变化
3:55.266–3:57.000
若要单独证明视觉
3:57.000–3:59.100
推理本身比某个模型强
3:59.533–4:01.133
还需要让参照对象
4:01.133–4:02.800
都能拿到相同资料
4:02.800–4:04.766
并控制其他测试条件
4:04.933–4:07.466
另一项agents last exam中
4:07.600–4:12.000
视觉实验版是27.30731 是25.2
4:12.333–4:14.900
Opus4.8是25.7
4:14.900–4:16.600
这里新模型在公布的
4:16.600–4:18.866
表格里领先了对照模型
4:19.066–4:21.866
但幅度不能被包装成压倒性胜利
4:22.100–4:24.966
模型卡提供的是这些条件下的成绩
4:25.066–4:27.200
不是每一家公司的所有任务
4:27.566–4:29.866
也不是未来应用的收益保证
4:29.966–4:32.600
更接近专业工作的一项是Chartography
4:33.300–4:36.066
Deepseek公布的成绩为64.3
4:36.100–4:39.100
对照的Opus4.8是65.0
4:39.366–4:40.566
两者很接近
4:40.733–4:43.600
这个基准关注专业图表理解
4:44.200–4:46.100
研究者强调不同领域的
4:46.100–4:48.200
图表有各自的表达习惯
4:48.466–4:50.566
读错一个少标注的坐标
4:50.600–4:52.333
或误解几何关系
4:52.466–4:53.800
就可能让后面的
4:53.800–4:55.966
推理从起点发生偏差
4:56.100–4:58.200
这种测试比让模型给
4:58.200–5:00.300
一张日常图片起标题
5:00.300–5:02.200
更能触及业务难点
5:02.500–5:05.066
专业用户需要从图里做出判断
5:05.166–5:07.500
光认出颜色和形状没有用
5:07.600–5:11.066
但专业图表基准的成绩也不能直接
5:11.066–5:13.766
当做某个行业的自动审批通过率
5:13.900–5:15.166
任务分布不同
5:15.466–5:16.900
允许的错误不同
5:17.500–5:19.466
实际系统还可能涉及额外
5:19.466–5:21.466
的数据处理和验证步骤
5:21.933–5:23.966
0bench又提出另一层限制
5:24.200–5:26.966
官方模型卡列的是RDNA5
5:27.500–5:29.466
视觉实验版35.0
5:29.666–5:31.566
对照模型34.0
5:31.600–5:33.566
这种指标考察多次尝试
5:33.566–5:35.566
中至少成功一次的情况
5:35.733–5:37.200
和一次作答的pass
5:37.766–5:39.333
艾特一不能混读
5:39.366–5:41.866
5次里能找到一次正确结果
5:42.066–5:44.000
并不代表部署时系统会
5:44.000–5:46.300
自动知道哪次才是正确的
5:46.366–5:48.300
实际用户付钱买结果
5:48.333–5:50.200
通常不希望收到5份相互
5:50.200–5:51.900
矛盾的答案再自行选
5:51.933–5:54.533
如果重试能够由验证程序筛选
5:54.566–5:56.100
就可能有实际价值
5:56.533–5:59.066
要靠专家重新检查每份答案
5:59.166–6:01.000
成本就会转移到人工
6:01.133–6:03.600
看榜单时忽略尝试次数
6:03.900–6:06.133
最容易把一个有研究意义的
6:06.133–6:09.500
进步误读成现成可靠的生产力
6:09.600–6:11.166
视觉能力加进去后
6:11.166–6:12.400
文字任务有没有受
6:12.400–6:14.266
影响也必须一起看
6:14.700–6:16.066
在Deepseek上
6:16.066–6:19.700
新模型是59.30731
6:19.700–6:23.666
是54.4 OPPO4.8是58.0
6:23.666–6:25.100
这项公布结果支持
6:25.100–6:26.966
一个有限但积极的判断
6:27.466–6:28.666
新增视觉后
6:28.733–6:30.400
它在这组任务上没有因为
6:30.400–6:32.766
功能扩展而牺牲原有表现
6:33.000–6:34.900
反而高于两个对照分数
6:34.900–6:37.733
但cybergame的结果没有延续这个方向
6:38.000–6:42.700
视觉实验版75.30731为76.7
6:42.900–6:45.200
OPPO 4.8为78.3
6:45.300–6:47.000
新模型低于旧版
6:47.066–6:48.133
也低于对照
6:48.266–6:49.900
这里不需要编造原因
6:50.266–6:51.666
现有材料并没有证明
6:51.666–6:53.700
是视觉模块造成下降
6:53.766–6:55.000
他提醒的是
6:55.166–6:57.200
能力变化存在不同方向
6:57.466–7:00.700
不能选完上涨项目就宣布全面升级
7:00.900–7:03.566
NL to Repo的差距更值得保留
7:04.133–7:06.400
视觉实验版是57.7
7:06.600–7:09.066
OPPO4.8是69.7
7:09.133–7:10.933
相差12个百分点
7:11.200–7:12.600
只要这一行还在
7:12.600–7:14.533
就很难把整张表讲成
7:14.533–7:16.500
闭源模型已经失去优势
7:16.766–7:19.400
采购模型的人真正关心的是
7:19.400–7:21.666
自己的主要任务落在哪一类
7:21.933–7:24.166
如果恰好是差距明显的那类
7:24.300–7:27.500
其他项目领先并不能补偿交付损失
7:27.766–7:29.900
官方还披露文字代理测试
7:29.900–7:32.400
使用Deepseek Harness的minimal模式
7:32.566–7:35.466
并为Deepseek设置最高档推理强度
7:35.666–7:37.200
采样温度为1.0
7:37.300–7:38.966
top p为0.95
7:39.166–7:41.766
这些条件提醒使用者成绩
7:41.766–7:44.400
来自模型与运行框架的组合
7:44.566–7:46.066
换成不同工具配置
7:46.066–7:47.666
或更短的思考预算
7:47.700–7:50.266
不能直接假定还能拿到同样分数
7:50.866–7:52.533
所以这张表更适合
7:52.533–7:54.333
用来建立候选名单
7:54.466–7:55.766
而不是直接发出
7:55.766–7:57.733
全面替换的采购命令
7:57.900–7:59.966
它表明视觉实验版已经
7:59.966–8:02.066
有值得认真验证的能力
8:02.066–8:03.766
也明确留下了差距
8:03.966–8:06.500
下一步应当拿真实工作去复核
8:06.866–8:08.100
把进步说清楚
8:08.133–8:10.000
再把适用范围划清楚
8:10.300–8:11.900
远比把一个模型捧成
8:11.900–8:13.700
万能答案更有判断力
8:13.800–8:14.766
除了分数
8:15.100–8:17.133
发布内容本身也有分量
8:17.300–8:19.766
官方仓库使用MIT许可证
8:19.966–8:22.966
并公开了提示编码和最小推理实现
8:23.166–8:26.000
开发者获得的是检查和改造的基础
8:26.400–8:28.000
不只是一扇只能提交
8:28.000–8:30.066
问题等待结果的接口
8:30.200–8:31.900
模型如何接收图像
8:32.300–8:33.766
输入怎样编码
8:33.966–8:36.366
可以沿着公开文件继续研究
8:36.500–8:39.200
但这里的开放范围需要准确描述
8:39.600–8:41.733
仓库有权重和相关代码
8:41.800–8:44.200
不等于训练使用的全部数据
8:44.600–8:46.200
清洗过程和每一次
8:46.200–8:48.000
实验都已完整公开
8:48.166–8:50.933
模型可下载与训练全过程可
8:50.933–8:53.133
复现不是同一级别的承诺
8:53.333–8:54.900
商业应用还要处理
8:54.900–8:57.000
自身数据的授权与隐私
8:57.166–8:59.566
不能把模型许可证当成所有
8:59.566–9:01.866
素材都能任意使用的通行证
9:02.300–9:04.366
MIT许可证提供了使用和
9:04.366–9:06.133
修改等方面的许可
9:06.566–9:08.800
同时保留相应通知要求
9:08.800–9:10.666
并按现状提供软件
9:10.666–9:12.100
不做质量担保
9:12.200–9:14.266
开源用户得到更多主动权
9:14.266–9:15.866
也要承担验证责任
9:16.600–9:19.333
模型能进入自家系统是一个开始
9:19.900–9:21.600
出了错误由谁处理
9:21.666–9:22.800
服务怎么维护
9:22.800–9:25.700
并不会在下载完成那一刻自动解决
9:25.966–9:26.933
从结构上看
9:26.933–9:28.700
这次公开的实现包含
9:28.700–9:31.000
视觉编码器与对齐模块
9:31.266–9:33.066
前者处理图像信息
9:33.166–9:35.400
后者参与把视觉表示接到
9:35.400–9:37.800
语言模型所能利用的形式里
9:37.933–9:40.566
普通用户不需要记住每个技术名字
9:40.766–9:43.333
但这个结构说明会看图
9:43.333–9:45.133
依赖具体的处理链路
9:45.600–9:47.100
不是给文字模型换
9:47.100–9:49.066
一个产品标签就能完成
9:49.133–9:52.066
这条链路的前端尤其容易被低估
9:52.566–9:54.133
图片进入模型之前
9:54.133–9:56.733
通常要经过尺寸和像素处理
9:56.900–9:58.400
假如一张密集报表被
9:58.400–10:00.200
处理的细节难以辨认
10:00.333–10:02.166
后面再强的推理也不能
10:02.166–10:05.133
保证恢复原来那几个小字所以
10:05.366–10:08.500
评估视觉模型要把输入处理算进去
10:08.600–10:11.400
不能只检查生成回答的最后一段
10:11.800–10:12.866
官方单独公开了
10:12.866–10:14.700
图文提示的编码参考
10:14.966–10:17.366
支持图像与文字交错出现
10:17.466–10:19.400
文档还用两种输入写法
10:19.400–10:21.266
表达同一个双图问题
10:21.400–10:23.000
并检查它们得到相同
10:23.000–10:24.800
的提示与输入序列
10:25.000–10:27.066
这个设计看起来很工程化
10:27.100–10:29.266
却触及一个常见错误来源
10:29.666–10:31.066
第一张图和第二张图
10:31.066–10:32.600
如果在传递中对调
10:32.933–10:34.566
模型可能答得很流畅
10:34.733–10:36.466
却始终在弹错对象
10:36.500–10:39.366
比如需要比较修改前后的两份界面
10:39.533–10:41.533
问题是哪个按钮消失了
10:41.900–10:43.866
顺序就决定变化方向
10:44.166–10:45.933
编码阶段保持图像
10:45.933–10:47.666
与文字的对应关系
10:47.800–10:49.400
才有资格继续讨论
10:49.400–10:51.266
模型理解的是否正确
10:51.366–10:53.700
这种基础设施做对之后
10:53.766–10:55.666
开发者才不至于把输入
10:55.666–10:58.000
错误误诊成模型智力不足
10:58.100–11:00.700
或者不断改提示词却没有效果
11:01.133–11:03.866
配置文件还保留了混合专家结构
11:04.100–11:06.700
它列出256个路由专家
11:06.733–11:08.500
每个词元选择6个
11:08.500–11:10.066
并有共享专家
11:10.166–11:12.333
这个结构试图让每次计算
11:12.333–11:14.800
只动用模型的一部分能力
11:15.300–11:17.200
但不能把它理解为只需要
11:17.200–11:19.533
存储那几个被选中的专家
11:19.666–11:21.200
实际部署仍要处理
11:21.200–11:23.500
模型权重及运行时资源
11:23.866–11:26.266
存得下和算得快是不同约束
11:26.400–11:28.566
这也是为什么Flash三个字不能
11:28.566–11:31.466
自动翻译成普通电脑轻松运行
11:32.366–11:34.000
名字表达产品路线
11:34.000–11:35.566
不是硬件配置单
11:35.700–11:37.100
速度会受到硬件
11:37.100–11:39.066
带宽和推理实现影响
11:39.200–11:42.466
并发增加后还会出现新的资源压力
11:42.600–11:44.900
缺少针对具体机器的测量
11:45.300–11:48.066
就不应该承诺每秒生成多少字
11:48.366–11:50.933
更不能仅凭名称推算成本
11:51.566–11:54.100
配置中还能看到低精度相关设置
11:54.400–11:56.466
包括专家权重的FP4
11:56.466–11:58.600
设置和FP8量化信息
11:58.800–12:00.766
低精度的目标之一是
12:00.766–12:03.133
降低存储或计算负担
12:03.200–12:06.166
但收益取决于实现与硬件支持
12:06.600–12:08.400
精度变化也需要验证
12:08.500–12:09.766
它是优化工具
12:09.766–12:11.700
不是一个只赚不亏的按钮
12:11.900–12:14.000
不同组件的精度还可能不同
12:14.366–12:15.566
不能把整套模型
12:15.566–12:17.366
简单描述成统一四维
12:17.566–12:20.100
上下文上限也同样需要谨慎
12:20.500–12:24.400
配置文件的最大位置数是1048576
12:24.466–12:26.666
属于约百万词元的量级
12:27.000–12:28.800
这是容量相关的设置
12:28.866–12:30.600
不能直接读成百万字
12:30.966–12:32.566
更不能保证塞进去的
12:32.566–12:34.866
每一个细节都会被准确利用
12:35.066–12:36.566
窗口能容纳多少
12:36.866–12:39.466
与长材料中能找到多少有效证据
12:39.600–12:41.000
需要分别测量
12:41.166–12:44.366
图文场景会让长上下文问题更实际
12:44.600–12:47.366
一份长报告可能包含多页图表
12:47.600–12:50.333
同一指标在不同页面又有不同口径
12:50.700–12:52.500
模型要找到正确位置
12:52.566–12:55.300
还得保持单位与时间范围的一致
12:55.466–12:57.500
多放一些内容进去
12:57.500–12:59.133
只是给了更多材料
12:59.500–13:02.000
如果材料之间的关系没有处理好
13:02.200–13:04.866
更大的窗口也可能存在更多混淆
13:05.133–13:06.366
参考推理文档对
13:06.366–13:07.966
自身定位说的很清楚
13:08.300–13:10.666
它是一份便于阅读的参考实现
13:10.733–13:12.400
并非生产服务引擎
13:12.766–13:15.333
代码包含Genspark相关前向路径
13:15.466–13:17.066
但生成循环仍然是
13:17.066–13:18.600
直接的自回归采样
13:18.700–13:20.333
这意味着能在代码里
13:20.333–13:22.566
找到某种能力的组成部分
13:23.100–13:25.466
不等于配套服务已经把吞吐
13:25.466–13:27.900
和调度都优化到成熟状态
13:28.000–13:30.333
把参考实现接成长期服务
13:30.400–13:31.966
还要处理请求排队
13:32.333–13:34.000
资源分配和失败恢复
13:34.133–13:36.333
单次测试跑通只能证明
13:36.333–13:38.000
这一次流程可以执行
13:38.166–13:39.900
客户同时上传资料
13:39.966–13:41.400
某个请求过长
13:41.600–13:43.466
机器资源暂时不足
13:43.566–13:45.600
这些情况都会影响交付
13:46.000–13:47.933
实验模型最容易被夸大的
13:47.933–13:50.600
地方就是把能够运行写成
13:50.600–13:52.866
已经适合任何生产环境
13:53.066–13:54.533
文档里的并行示例也
13:54.533–13:56.666
不能当成最低硬件要求
13:57.400–13:59.600
示例展示了如何组织执行
13:59.600–14:00.933
不等于已经测出
14:00.933–14:02.666
所有部署组合的下限
14:02.900–14:04.333
官方目前这些文件
14:04.333–14:06.066
并没有给出足够依据
14:06.266–14:08.533
让外界承诺某种消费级
14:08.533–14:10.866
设备一定可以获得理想体验
14:11.133–14:13.066
后续优化可能改变门槛
14:13.133–14:14.566
但未验证的结果
14:14.566–14:16.466
应当留在未来时态里
14:16.533–14:17.700
经过这些限制
14:17.866–14:20.133
开源的价值反而更具体了
14:20.533–14:21.866
一个企业如果只通过
14:21.866–14:23.600
外部接口使用模型
14:24.000–14:27.066
很多前处理和服务细节由别人决定
14:27.166–14:28.800
获得权重和代码后
14:28.866–14:30.333
它至少能够针对自己
14:30.333–14:32.100
的资料格式做调整
14:32.366–14:34.766
固定版本并保留测试环境
14:35.366–14:38.166
这种可控制性对长期工作有意义
14:38.400–14:40.700
即使它不自动带来最低成本
14:40.800–14:42.600
最容易进入试验的场景
14:42.866–14:44.400
是视觉信息与明确
14:44.400–14:46.266
规则同时存在的工作
14:46.466–14:48.133
比如报销单据处理
14:48.333–14:50.166
模型先提取候选字段
14:50.533–14:53.000
再由程序核对总额和日期格式
14:53.333–14:54.900
异常部分交给人
14:54.900–14:56.300
这个流程把模型用于
14:56.300–14:57.933
难以标准化的识别
14:57.933–15:00.766
把容易验证的条件交给确定规则
15:01.066–15:02.733
它是一种应用设计思路
15:02.900–15:05.900
不是本次发布已经证明的客户案例
15:06.000–15:07.733
这样的组合还有一个优势
15:07.933–15:09.300
错误更容易定位
15:09.700–15:10.566
金额看错了
15:10.566–15:12.000
可以回到对应图像
15:12.133–15:14.533
加总不一致可以检查计算
15:14.800–15:17.566
审批未通过则应当有业务原因
15:17.666–15:19.366
若把所有工作都塞进
15:19.366–15:21.133
一句处理完这份报销
15:21.366–15:22.766
得到一个总判断
15:22.933–15:25.000
后续复查就会困难得多
15:25.300–15:28.066
开放模型给了拆分这些环节的条件
15:28.300–15:30.600
系统设计仍需要认真完成
15:30.766–15:32.866
文档整理也有类似机会
15:33.133–15:34.866
扫描件可能排版复杂
15:35.333–15:36.266
表格跨页
15:36.500–15:38.100
图注夹在正文里
15:38.133–15:40.066
一个能利用图像的模型
15:40.266–15:42.200
有机会减少先转成纯
15:42.200–15:43.866
文字时的结构丢失
15:44.066–15:46.166
但有机会不等于已经准确
15:46.300–15:49.400
实际验收应当保留页码与证据位置
15:49.666–15:52.100
让使用者能回到材料核对
15:52.100–15:54.766
而不是只得到一份无法追溯的摘要
15:55.133–15:57.300
网页任务则要求模型把
15:57.300–15:59.100
画面与动作对应起来
15:59.266–16:00.700
识别按钮在哪里
16:00.766–16:02.066
仅仅是起点
16:02.200–16:03.566
按钮能否点击
16:03.866–16:05.566
点击后是否成功
16:05.800–16:08.300
页面有没有出现新的确认步骤
16:08.900–16:11.100
都要由执行系统继续观察
16:11.366–16:14.100
视觉模型可以参与判断屏幕内容
16:14.466–16:17.066
但它不会因为看见一个付款按钮
16:17.366–16:19.333
就自动获得付款权限
16:19.766–16:22.066
也不应被赋予这种默认权利
16:22.133–16:23.600
做界面测试时
16:23.600–16:25.133
视觉能力有机会发现
16:25.133–16:27.200
文字日志里不明显的问题
16:27.366–16:29.000
比如内容是否被遮挡
16:29.566–16:31.500
某个组件的位置是否异常
16:31.766–16:34.100
但这类判断也需要明确标准
16:34.333–16:36.100
页面有两种合理布局
16:36.533–16:38.100
模型偏好其中一种
16:38.100–16:40.133
不代表另一种就是错误
16:40.300–16:42.166
真正可以自动验收的
16:42.166–16:45.100
应当是可描述可复查的要求
16:45.200–16:47.400
而不是一句看起来不够好
16:47.400–16:48.866
这些例子共同指向
16:48.866–16:51.000
一个更有用的竞争标准
16:51.366–16:54.166
模型的价值应该落在某个环节
16:54.166–16:55.866
少了多少人工搬运
16:56.066–16:58.300
又增加了多少检查成本
16:58.400–17:01.200
一个专业流程可能不需要全能模型
17:01.500–17:04.500
只需要它稳定处理少数关键输入
17:04.733–17:06.600
只要这些输入足够频繁
17:07.100–17:09.333
局部可靠的能力就能有价值
17:09.533–17:12.800
不必等所有基准都拿第一反过来
17:12.966–17:15.933
模型在困难基准上的平均成绩提高
17:16.266–17:17.333
也不意味着可以
17:17.333–17:19.200
接手风险最高的决策
17:19.533–17:22.500
医疗图像重要工程判断和
17:22.500–17:25.066
敏感财务操作都有远超过
17:25.066–17:26.900
一次问答的责任要求
17:27.000–17:29.133
此处讨论的专业图表表现
17:29.133–17:31.333
只能提供研究和选型线索
17:31.733–17:33.333
不能替代领域验证
17:33.366–17:35.266
更不能被包装成取消
17:35.266–17:37.000
专业人员审核的理由
17:37.200–17:38.700
模型能够读图之后
17:38.700–17:41.133
还会扩大需要保护的数据范围
17:41.400–17:43.533
截图中可能包含账号个人
17:43.533–17:46.100
身份信息或内部系统界面
17:46.900–17:49.200
资料原本只在某人的屏幕上
17:49.300–17:51.600
上传之后就进入新的处理链
17:51.866–17:53.300
企业部署前需要
17:53.300–17:55.333
弄清楚图像去了哪里
17:55.466–17:57.000
哪些记录被保留
17:57.100–17:58.566
以及故障排查时
17:58.566–18:00.700
会不会再次复制这些资料
18:01.000–18:02.400
自行部署给了更多
18:02.400–18:04.266
控制数据流向的机会
18:04.300–18:06.333
却不自动等于数据安全
18:06.466–18:08.566
如果服务暴露范围过大
18:08.666–18:10.566
日志记录了敏感图片
18:10.566–18:12.666
或者管理权限没有分开
18:12.733–18:15.200
本地机器一样可能形成风险
18:15.300–18:16.933
更合理的判断是
18:16.933–18:18.900
开放权重允许使用者
18:18.900–18:20.600
自己安排保护措施
18:21.000–18:23.266
同时也要求使用者有能力
18:23.266–18:25.733
把这些措施真正执行下去
18:25.966–18:27.533
视觉输入还存在与
18:27.533–18:29.466
文字类似的信任问题
18:30.100–18:31.300
图片里的文字可能
18:31.300–18:32.900
是需要分析的内容
18:32.933–18:35.733
也可能夹带试图改变任务的指令
18:36.100–18:38.466
系统应该分清材料和授权
18:38.533–18:41.133
不能因为模型能够读到某一句话
18:41.133–18:42.900
就把它当成新的命令
18:43.000–18:45.266
让模型接触更多信息
18:45.500–18:47.533
同时也意味着要更清楚的
18:47.533–18:49.800
约束它能用这些信息做什么
18:50.066–18:51.100
这些安全要求
18:51.100–18:53.066
并没有否定发布的意义
18:53.500–18:56.066
相反他们解释了为什么开放
18:56.066–18:58.366
模型会吸引一部分开发者
18:58.533–19:00.366
某些团队希望自行定义
19:00.366–19:02.800
审核环节和数据保留策略
19:02.966–19:04.733
也希望固定一个版本
19:05.500–19:07.766
不必跟着外部服务每次调整
19:07.966–19:10.500
模型能力只要达到业务所需
19:10.600–19:12.466
更多控制权本身就能
19:12.466–19:14.166
构成选择它的理由
19:14.266–19:16.600
不过固定版本也有代价
19:16.933–19:18.400
没有自动跟随更新
19:18.400–19:20.466
就需要主动评估新版本
19:20.600–19:22.666
决定是否修补或替换
19:22.866–19:25.666
维护人员需要保留测试样本
19:25.666–19:27.966
知道这次升级改善了什么
19:28.066–19:29.400
又损害了什么
19:29.500–19:32.133
否则所谓稳定版本可能只是
19:32.133–19:34.166
很久没有被检查的旧版本
19:34.933–19:36.366
控制权只有配上维护
19:36.366–19:38.366
能力才会变成可靠性
19:38.600–19:40.000
成本同样不能只看
19:40.000–19:41.466
有没有许可证费用
19:41.900–19:44.100
自建服务要承担计算资源
19:44.566–19:46.966
还要有人负责接入和日常运维
19:47.166–19:48.966
任务量少的时候机器
19:48.966–19:50.800
空闲也可能产生费用
19:51.266–19:53.966
任务突然增加又可能需要扩容
19:54.366–19:55.400
使用接口则有
19:55.400–19:57.200
另一种计费与服务依赖
19:57.566–19:59.866
两者应该按相同业务量比较
19:59.966–20:01.466
不能把免费的权重
20:01.466–20:03.066
写成免费的生产力
20:03.166–20:05.366
视觉工作还会改变成本结构
20:05.500–20:07.133
一张图要怎样缩放
20:07.266–20:08.900
是否需要重新裁切
20:09.400–20:11.166
失败后要重试几次
20:11.400–20:13.333
都会影响实际处理过程
20:13.466–20:16.166
只比较文字输出的单位价格
20:16.700–20:18.400
可能忽略大部分成本
20:18.533–20:20.933
真正有参考价值的指标是
20:20.933–20:23.200
处理完一份达到要求的资料
20:23.366–20:25.900
总共花了多少资源和人工时间
20:25.966–20:28.133
一个便宜模型反复答错
20:28.133–20:30.400
再让昂贵模型或专家补救
20:30.533–20:32.066
未必比一开始就选择
20:32.066–20:34.466
更合适的方案省钱相反
20:34.866–20:37.366
先用低成本办法处理简单任务
20:37.700–20:40.133
再把疑难部分交给更强系统
20:40.166–20:41.333
也可能有效
20:41.466–20:44.800
关键是难度分类和失败识别要可靠
20:44.966–20:47.200
不能在不知道对错的情况下
20:47.200–20:49.866
只按价格把任务自动往下分
20:50.100–20:51.500
开源路线因此可能
20:51.500–20:53.400
推动更细的产品分工
20:53.533–20:55.666
有团队专门改善推理
20:55.666–20:58.800
有团队针对行业资料设计验证
20:58.866–21:01.966
还有团队负责把能力放进业务软件
21:02.166–21:04.866
他们不必都从训练基础模型开始
21:05.133–21:06.400
但这是开放条件
21:06.400–21:08.266
可能带来的发展方向
21:08.400–21:11.666
不代表这些环节今天已经全部成熟
21:11.933–21:13.466
更不代表任何创业
21:13.466–21:15.266
项目都能因此盈利
21:15.533–21:17.266
闭源服务也不会因为一个
21:17.266–21:19.533
开放模型出现就失去价值
21:20.133–21:21.700
用户可能继续为稳定
21:21.700–21:23.600
服务和配套工具付费
21:23.933–21:26.666
也可能需要供应商承担运维责任
21:27.200–21:29.566
开源竞争提高的是替代可能性
21:29.700–21:32.666
只有替代方案在实际任务上跑得通
21:32.666–21:35.366
用户才有更多谈价和迁移空间
21:35.533–21:37.733
而不是在宣布开放的那一刻
21:37.733–21:39.566
所有价格就必然下降
21:39.733–21:41.266
这次发布对Deepseek
21:41.366–21:42.933
自身也提出了要求
21:43.800–21:46.066
模型卡能吸引开发者过来
21:46.133–21:47.933
清晰的文档和可运行
21:47.933–21:49.733
实现才能让他们留下
21:49.866–21:51.533
发现结果差异之后
21:51.666–21:54.366
能不能定位到版本和输入处理
21:54.500–21:56.933
决定社区是否有办法一起改进
21:57.266–21:58.933
开放生态的效率来自可
21:58.933–22:01.700
检查的问题和可复用的修复
22:01.866–22:03.866
不能只用下载量来代替
22:04.000–22:05.166
读懂这个逻辑
22:05.400–22:08.300
就能理解为什么实验版也值得报道
22:08.733–22:10.300
他把一部分原本只能
22:10.300–22:12.466
通过最终回答观察的能力
22:12.600–22:15.866
变成可检查和可接入的技术材料
22:16.133–22:17.733
研究者可以发现边界
22:17.900–22:20.300
开发者可以试自己的工作流程
22:20.600–22:22.933
价值发生在这些具体动作里
22:22.966–22:24.566
未必需要先获得一个
22:24.566–22:26.300
全世界最强的称号
22:26.800–22:29.766
但开源社区的反馈也要分层看
22:29.800–22:31.733
一条成功运行的分享
22:31.866–22:33.566
只能代表那个人的环境
22:34.100–22:36.566
一条失败报告也不能直接
22:36.566–22:39.333
证明模型对所有人都不可用
22:39.400–22:41.500
真正能积累成证据的
22:41.500–22:44.900
是清楚的版本硬件条件和输入
22:45.000–22:47.166
以及可以重复得到的结果
22:47.466–22:49.566
省略这些背景讨论
22:49.566–22:51.366
很容易变成立场对撞
22:51.600–22:53.600
选择是否采用这款模型
22:54.000–22:55.333
一个实际的起点是
22:55.333–22:57.066
保留自己的工作样本
22:57.333–22:59.866
样本不能只有清晰漂亮的图片
23:00.000–23:02.066
还应包含日常真的会遇到
23:02.066–23:04.100
的模糊内容和排版变化
23:04.500–23:06.766
测试要覆盖重要的失败类型
23:06.933–23:09.366
而不是专门挑模型擅长的题
23:09.566–23:12.500
否则上线之前看到的准确率
23:12.533–23:15.200
可能只是对精心整理的材料负责
23:15.333–23:18.333
中文使用场景尤其需要单独验证
23:18.733–23:20.933
这次模型卡的成绩表并没有
23:20.933–23:23.900
逐项披露简体中文票据繁体字
23:23.900–23:26.800
截图或中英混排文件的专项结果
23:26.933–23:29.133
同一页里既有中文项目名
23:29.133–23:31.400
又有英文缩写和数字单位
23:31.566–23:33.466
错误可能发生在字符
23:33.766–23:35.666
也可能发生在对应关系
23:35.866–23:38.000
面向中文业务的开发者不能用
23:38.000–23:40.900
一组纵合层级替代本地材料测试
23:41.200–23:44.133
样本还应区分错误的严重程度
23:44.300–23:45.766
图标题多了一个字
23:46.000–23:48.200
与把金额的小数点看错
23:48.566–23:50.300
不应该获得同样评价
23:50.500–23:51.866
哪怕整体正确
23:51.966–23:52.966
数量相近
23:53.200–23:55.666
业务后果也可能完全不同
23:55.800–23:58.466
模型选型需要把损失放进考核
23:58.700–24:01.400
才能知道哪些任务可以自动通过
24:01.566–24:03.766
哪些必须停下来让人确认
24:04.466–24:05.700
比较模型时
24:05.766–24:08.766
输入质量和可用工具也要尽量一致
24:08.966–24:10.366
一个系统可以放大
24:10.366–24:12.266
图像并调用计算工具
24:12.700–24:14.666
另一个只能看一次压缩图
24:14.733–24:16.000
结果反映的就是
24:16.000–24:18.100
不同系统的综合表现
24:18.266–24:19.966
这样的比较仍然有用
24:20.066–24:23.200
但需要讲清楚买到的是哪一套能力
24:23.333–24:24.966
不能把所有优势都
24:24.966–24:26.766
归到模型权重本身
24:26.933–24:29.566
运行时间也应与结果一起记录
24:30.266–24:32.466
一个任务等很久才答对
24:32.566–24:35.200
和一个交互场景要求及时反馈
24:36.066–24:37.333
适用条件不同
24:37.866–24:40.300
有些离线批处理可以接受等待
24:40.700–24:42.400
有些现场操作不行
24:42.533–24:44.466
最高推理强度下的分数
24:44.466–24:46.200
提供能力上限的线索
24:46.500–24:48.733
日常产品还要找到准确率
24:48.733–24:50.766
与等待之间合适的位置
24:51.100–24:52.266
最后还要检查系统
24:52.266–24:54.166
会不会承认无法确定
24:54.333–24:56.933
一张关键区域模糊的图片
24:57.166–24:58.366
硬给一个答案
24:58.400–25:01.566
可能比明确请求更清晰的材料更糟
25:01.966–25:04.000
合理的流程应该允许暂停
25:04.066–25:05.100
保留证据
25:05.100–25:06.266
再安排复核
25:06.366–25:07.466
多模态进步
25:07.466–25:10.900
如果只让错误回答看起来更自信
25:11.266–25:13.933
而没有改善这种不确定性的处理
25:14.100–25:16.133
商业价值会受到限制
25:16.300–25:20.366
所以Deepseek v四flash vision exp的发布
25:20.466–25:23.700
最扎实的意义是让V4路线补上了
25:23.700–25:26.166
可公开研究的视觉理解能力
25:26.566–25:28.100
并给出了能够讨论
25:28.100–25:29.866
优劣的测试与实现
25:30.066–25:32.133
部分项目已经显示竞争力
25:32.266–25:33.900
其他项目仍有差距
25:34.100–25:36.300
实验状态部署成本和业务
25:36.300–25:39.533
可靠性都应当留在同一张判断表里
25:39.600–25:42.200
生态接入已经出现了一个具体信号
25:42.766–25:47.500
Openclaw2.0的发布说明把Deepseek V4 Flash vision
25:47.600–25:50.100
实验模型列进了模型发现更新
25:50.133–25:51.866
这个条目说明周边
25:51.866–25:53.900
工具开始识别相关模型
25:54.066–25:56.566
但只是发现与接入层面的信息
25:56.766–25:58.300
不能当成所有图像
25:58.300–25:59.800
任务都已测试通过
26:00.133–26:01.333
目录里找得到
26:01.666–26:03.533
和接上之后持续交付
26:03.966–26:06.133
是需要分别验收的两步
26:06.133–26:07.533
这也给后续进展
26:07.533–26:09.333
提供了可观察的方向
26:09.666–26:10.966
模型发布以后
26:11.133–26:14.333
值得跟踪的不只是又出现多少演示
26:14.533–26:17.666
还包括不同工具是否正确传递图像
26:18.100–26:20.366
服务实现能否稳定运行
26:20.733–26:22.266
以及真实任务的失败
26:22.266–26:23.933
案例有没有得到修复
26:24.066–26:26.100
这几类改进会相互影响
26:26.333–26:28.766
最终决定开放的能力能不能以普通
26:28.766–26:31.733
用户用得起用得明白的方式出现
26:31.900–26:33.800
它能否继续扩大影响
26:33.866–26:36.600
要看接下来的复现与工程工作
26:36.733–26:39.700
能不能把模型成绩变成稳定交付
26:40.100–26:41.200
对用户而言
26:41.333–26:44.533
值得期待的是更多可验证的选择
26:44.600–26:47.500
一个模型不需要在所有问题上获胜
26:47.566–26:50.266
才有机会改变某一类工作的成本
26:50.533–26:53.566
但只有真正把那一类工作做可靠了
26:53.566–26:55.866
开源发布才算兑现了价值
0:00.166–0:02.266
zhDeepseek把V4家族的视觉
Deepseek把V4家族的视觉
0:02.266–0:04.066
zh实验模型开放出来了
实验模型开放出来了
0:04.133–0:05.400
zh它开始把图片里的
它开始把图片里的
0:05.400–0:07.100
zh信息带进任务处理
信息带进任务处理
0:07.166–0:09.466
zh在官方公布的部分测试中
在官方公布的部分测试中
0:09.500–0:11.266
zh超过OPPO4.8
超过OPPO4.8
0:11.300–0:13.266
zh也有项目明显落后
也有项目明显落后
0:13.300–0:15.500
zh这次发布最值得追问的
这次发布最值得追问的
0:15.866–0:17.333
zh是开放的视觉能力
是开放的视觉能力
0:17.333–0:19.500
zh能不能真正进入工作流程
能不能真正进入工作流程
0:19.933–0:22.133
zh让更多人不必只靠少数
让更多人不必只靠少数
0:22.133–0:24.000
zh平台来处理自己的资料
平台来处理自己的资料
0:24.300–0:25.733
zh模型的完整名字叫
模型的完整名字叫
0:25.733–0:28.700
enDeepseek V4 Flash vision EXP
Deepseek V4 Flash vision EXP
0:28.966–0:29.800
zh名字很长
名字很长
0:29.800–0:32.200
zh但最后那个EXP尤其重要
但最后那个EXP尤其重要
0:32.266–0:33.600
zh它代表实验性质
它代表实验性质
0:34.000–0:35.966
zh截至2026年9月1日
截至2026年9月1日
0:36.133–0:38.766
zh官方hugging face仓库已经公开
官方hugging face仓库已经公开
0:38.933–0:40.366
zh模型说明之外
模型说明之外
0:40.466–0:42.733
zh还提供了权重相关文件
还提供了权重相关文件
0:42.866–0:45.000
zh配置和参考推理代码
配置和参考推理代码
0:45.300–0:46.866
zh发布本身有据可查
发布本身有据可查
0:47.000–0:49.666
zh实际表现仍要按测试条件判断
实际表现仍要按测试条件判断
0:49.800–0:52.400
zh官方把它称为Deepseek v四
官方把它称为Deepseek v四
0:52.400–0:54.966
zh家族首个实验性多模态模型
家族首个实验性多模态模型
0:55.066–0:57.600
zh这里的首个限定在V4家族
这里的首个限定在V4家族
0:57.966–0:59.666
zh不能扩写成Deepseek
不能扩写成Deepseek
0:59.966–1:01.866
zh此前完全没有视觉研究
此前完全没有视觉研究
1:02.200–1:03.800
zh早在Janus系列中
早在Janus系列中
1:03.866–1:06.966
zhDeepseek就探索过多模态理解与生成
Deepseek就探索过多模态理解与生成
1:07.333–1:10.066
zh这次值得注意的进展是视觉模块
这次值得注意的进展是视觉模块
1:10.066–1:12.900
zh进入了v四flash这一条模型路线
进入了v四flash这一条模型路线
1:13.066–1:14.566
zh按照模型卡的介绍
按照模型卡的介绍
1:14.733–1:17.300
zh它建立在V4Flash架构之上
它建立在V4Flash架构之上
1:17.300–1:19.766
zh加入视觉模块并继续训练
加入视觉模块并继续训练
1:20.100–1:21.933
zh以获得视觉理解能力
以获得视觉理解能力
1:22.066–1:23.933
zh图片与文字一起输入
图片与文字一起输入
1:23.933–1:26.500
zh再围绕内容回答或处理任务
再围绕内容回答或处理任务
1:26.533–1:29.100
zh是目前资料支持的核心方向
是目前资料支持的核心方向
1:29.200–1:31.066
zh不能因为名字里出现vision
不能因为名字里出现vision
1:31.666–1:34.500
zh就把实时视频语音对话和
就把实时视频语音对话和
1:34.500–1:37.333
zh图片生成全都自动算进来
图片生成全都自动算进来
1:37.333–1:39.100
zh这项变化为什么重要
这项变化为什么重要
1:39.266–1:41.966
zh因为现实工作里有大量信息
因为现实工作里有大量信息
1:41.966–1:43.966
zh并不是一段整理好的文字
并不是一段整理好的文字
1:43.966–1:45.200
zh一份报告的关键
一份报告的关键
1:45.200–1:47.100
zh限制可能放在图注里
限制可能放在图注里
1:47.566–1:49.666
zh错误提示可能只有截图
错误提示可能只有截图
1:50.366–1:51.766
zh页面布局决定哪个
页面布局决定哪个
1:51.766–1:53.366
zh数字对应哪个项目
数字对应哪个项目
1:53.566–1:55.766
zh模型如果只能接收文字
模型如果只能接收文字
1:55.933–1:58.933
zh就需要有人先把这些内容解释一遍
就需要有人先把这些内容解释一遍
1:59.066–2:00.200
zh人在做的
人在做的
2:00.200–2:03.066
zh常常正是机器难以看清的那一段
常常正是机器难以看清的那一段
2:03.133–2:05.000
zh以一张经营图表为例
以一张经营图表为例
2:05.166–2:07.733
zh只把上面的数字抄出来还不够
只把上面的数字抄出来还不够
2:08.500–2:10.000
zh纵轴使用什么单位
纵轴使用什么单位
2:10.266–2:12.133
zh两条线代表哪些对象
两条线代表哪些对象
2:12.300–2:13.733
zh哪一段是预测值
哪一段是预测值
2:13.733–2:15.066
zh都会影响结论
都会影响结论
2:15.333–2:17.933
zh文字识别可以提供字和数字
文字识别可以提供字和数字
2:18.400–2:20.900
zh视觉理解还得处理位置与关系
视觉理解还得处理位置与关系
2:21.100–2:22.466
zh省掉这层判断
省掉这层判断
2:22.900–2:25.100
zh很容易得到一份文字流畅
很容易得到一份文字流畅
2:25.566–2:27.800
zh却把事实关系讲反的分析
却把事实关系讲反的分析
2:28.000–2:29.733
zh视觉模型提供了一条
视觉模型提供了一条
2:29.733–2:32.166
zh减少这种信息损失的路线
减少这种信息损失的路线
2:32.400–2:34.566
zh不过看得见也有不同层次
不过看得见也有不同层次
2:34.766–2:36.466
zh识别一张图里有表格
识别一张图里有表格
2:36.666–2:38.133
zh读出其中几个值
读出其中几个值
2:38.500–2:40.866
zh判断这些值为什么发生变化
判断这些值为什么发生变化
2:40.933–2:42.966
zh是逐步增加难度的任务
是逐步增加难度的任务
2:43.300–2:46.400
zhDeepseek这次发布能否改变实际使用
Deepseek这次发布能否改变实际使用
2:46.400–2:48.266
zh必须落到这些具体能力
必须落到这些具体能力
2:48.333–2:51.066
zh不能靠会看图三个字一次带过
不能靠会看图三个字一次带过
2:51.166–2:53.933
zh官方测试表给出了值得关注的信号
官方测试表给出了值得关注的信号
2:54.800–2:57.066
zhapexbench的pass AT1成绩
apexbench的pass AT1成绩
2:57.333–3:03.133
zh视觉实验版是36.5V4Flash0731是26.2
视觉实验版是36.5V4Flash0731是26.2
3:03.266–3:06.766
zh作为对照的Opus4.8是39.4
作为对照的Opus4.8是39.4
3:06.866–3:10.000
zh新版本比旧版本高10.3个百分点
新版本比旧版本高10.3个百分点
3:10.200–3:12.900
zh但这组比较有一个不能略过的脚注
但这组比较有一个不能略过的脚注
3:13.400–3:15.466
zh否则很容易把进步解释错
否则很容易把进步解释错
3:15.600–3:16.666
zh脚注写明
脚注写明
3:16.766–3:21.066
zh0731在apexbench和agents last exam两项测试
0731在apexbench和agents last exam两项测试
3:21.066–3:23.566
zh中忽略了输入里的多模态元素
中忽略了输入里的多模态元素
3:24.200–3:25.166
zh也就是说
也就是说
3:25.400–3:26.966
zh旧模型没有按同样
旧模型没有按同样
3:26.966–3:28.766
zh方式利用图像信息
方式利用图像信息
3:28.900–3:31.566
zh新增视觉后成绩改善确实
新增视觉后成绩改善确实
3:31.566–3:33.866
zh说明开放这类输入有意义
说明开放这类输入有意义
3:34.400–3:36.700
zh但不能把全部差距解释成
但不能把全部差距解释成
3:36.700–3:39.166
zh在完全相同的信息条件下
在完全相同的信息条件下
3:39.366–3:41.366
zh纯推理能力提高了多少
纯推理能力提高了多少
3:41.766–3:43.566
zh这就像处理同一份材料
这就像处理同一份材料
3:43.700–3:45.466
zh一个系统拿到了图文
一个系统拿到了图文
3:45.533–3:47.500
zh另一个只处理其中的文字
另一个只处理其中的文字
3:47.766–3:48.933
zh结果可以比较
结果可以比较
3:48.933–3:51.000
zh但比较回答的问题变了
但比较回答的问题变了
3:51.066–3:53.100
zh它更接近完整系统获得
它更接近完整系统获得
3:53.100–3:55.100
zh新输入后的表现变化
新输入后的表现变化
3:55.266–3:57.000
zh若要单独证明视觉
若要单独证明视觉
3:57.000–3:59.100
zh推理本身比某个模型强
推理本身比某个模型强
3:59.533–4:01.133
zh还需要让参照对象
还需要让参照对象
4:01.133–4:02.800
zh都能拿到相同资料
都能拿到相同资料
4:02.800–4:04.766
zh并控制其他测试条件
并控制其他测试条件
4:04.933–4:07.466
zh另一项agents last exam中
另一项agents last exam中
4:07.600–4:12.000
zh视觉实验版是27.30731 是25.2
视觉实验版是27.30731 是25.2
4:12.333–4:14.900
zhOpus4.8是25.7
Opus4.8是25.7
4:14.900–4:16.600
zh这里新模型在公布的
这里新模型在公布的
4:16.600–4:18.866
zh表格里领先了对照模型
表格里领先了对照模型
4:19.066–4:21.866
zh但幅度不能被包装成压倒性胜利
但幅度不能被包装成压倒性胜利
4:22.100–4:24.966
zh模型卡提供的是这些条件下的成绩
模型卡提供的是这些条件下的成绩
4:25.066–4:27.200
zh不是每一家公司的所有任务
不是每一家公司的所有任务
4:27.566–4:29.866
zh也不是未来应用的收益保证
也不是未来应用的收益保证
4:29.966–4:32.600
zh更接近专业工作的一项是Chartography
更接近专业工作的一项是Chartography
4:33.300–4:36.066
zhDeepseek公布的成绩为64.3
Deepseek公布的成绩为64.3
4:36.100–4:39.100
zh对照的Opus4.8是65.0
对照的Opus4.8是65.0
4:39.366–4:40.566
zh两者很接近
两者很接近
4:40.733–4:43.600
zh这个基准关注专业图表理解
这个基准关注专业图表理解
4:44.200–4:46.100
zh研究者强调不同领域的
研究者强调不同领域的
4:46.100–4:48.200
zh图表有各自的表达习惯
图表有各自的表达习惯
4:48.466–4:50.566
zh读错一个少标注的坐标
读错一个少标注的坐标
4:50.600–4:52.333
zh或误解几何关系
或误解几何关系
4:52.466–4:53.800
zh就可能让后面的
就可能让后面的
4:53.800–4:55.966
zh推理从起点发生偏差
推理从起点发生偏差
4:56.100–4:58.200
zh这种测试比让模型给
这种测试比让模型给
4:58.200–5:00.300
zh一张日常图片起标题
一张日常图片起标题
5:00.300–5:02.200
zh更能触及业务难点
更能触及业务难点
5:02.500–5:05.066
zh专业用户需要从图里做出判断
专业用户需要从图里做出判断
5:05.166–5:07.500
zh光认出颜色和形状没有用
光认出颜色和形状没有用
5:07.600–5:11.066
zh但专业图表基准的成绩也不能直接
但专业图表基准的成绩也不能直接
5:11.066–5:13.766
zh当做某个行业的自动审批通过率
当做某个行业的自动审批通过率
5:13.900–5:15.166
zh任务分布不同
任务分布不同
5:15.466–5:16.900
zh允许的错误不同
允许的错误不同
5:17.500–5:19.466
zh实际系统还可能涉及额外
实际系统还可能涉及额外
5:19.466–5:21.466
zh的数据处理和验证步骤
的数据处理和验证步骤
5:21.933–5:23.966
zh0bench又提出另一层限制
0bench又提出另一层限制
5:24.200–5:26.966
zh官方模型卡列的是RDNA5
官方模型卡列的是RDNA5
5:27.500–5:29.466
zh视觉实验版35.0
视觉实验版35.0
5:29.666–5:31.566
zh对照模型34.0
对照模型34.0
5:31.600–5:33.566
zh这种指标考察多次尝试
这种指标考察多次尝试
5:33.566–5:35.566
zh中至少成功一次的情况
中至少成功一次的情况
5:35.733–5:37.200
zh和一次作答的pass
和一次作答的pass
5:37.766–5:39.333
zh艾特一不能混读
艾特一不能混读
5:39.366–5:41.866
zh5次里能找到一次正确结果
5次里能找到一次正确结果
5:42.066–5:44.000
zh并不代表部署时系统会
并不代表部署时系统会
5:44.000–5:46.300
zh自动知道哪次才是正确的
自动知道哪次才是正确的
5:46.366–5:48.300
zh实际用户付钱买结果
实际用户付钱买结果
5:48.333–5:50.200
zh通常不希望收到5份相互
通常不希望收到5份相互
5:50.200–5:51.900
zh矛盾的答案再自行选
矛盾的答案再自行选
5:51.933–5:54.533
zh如果重试能够由验证程序筛选
如果重试能够由验证程序筛选
5:54.566–5:56.100
zh就可能有实际价值
就可能有实际价值
5:56.533–5:59.066
zh要靠专家重新检查每份答案
要靠专家重新检查每份答案
5:59.166–6:01.000
zh成本就会转移到人工
成本就会转移到人工
6:01.133–6:03.600
zh看榜单时忽略尝试次数
看榜单时忽略尝试次数
6:03.900–6:06.133
zh最容易把一个有研究意义的
最容易把一个有研究意义的
6:06.133–6:09.500
zh进步误读成现成可靠的生产力
进步误读成现成可靠的生产力
6:09.600–6:11.166
zh视觉能力加进去后
视觉能力加进去后
6:11.166–6:12.400
zh文字任务有没有受
文字任务有没有受
6:12.400–6:14.266
zh影响也必须一起看
影响也必须一起看
6:14.700–6:16.066
zh在Deepseek上
在Deepseek上
6:16.066–6:19.700
zh新模型是59.30731
新模型是59.30731
6:19.700–6:23.666
zh是54.4 OPPO4.8是58.0
是54.4 OPPO4.8是58.0
6:23.666–6:25.100
zh这项公布结果支持
这项公布结果支持
6:25.100–6:26.966
zh一个有限但积极的判断
一个有限但积极的判断
6:27.466–6:28.666
zh新增视觉后
新增视觉后
6:28.733–6:30.400
zh它在这组任务上没有因为
它在这组任务上没有因为
6:30.400–6:32.766
zh功能扩展而牺牲原有表现
功能扩展而牺牲原有表现
6:33.000–6:34.900
zh反而高于两个对照分数
反而高于两个对照分数
6:34.900–6:37.733
zh但cybergame的结果没有延续这个方向
但cybergame的结果没有延续这个方向
6:38.000–6:42.700
zh视觉实验版75.30731为76.7
视觉实验版75.30731为76.7
6:42.900–6:45.200
zhOPPO 4.8为78.3
OPPO 4.8为78.3
6:45.300–6:47.000
zh新模型低于旧版
新模型低于旧版
6:47.066–6:48.133
zh也低于对照
也低于对照
6:48.266–6:49.900
zh这里不需要编造原因
这里不需要编造原因
6:50.266–6:51.666
zh现有材料并没有证明
现有材料并没有证明
6:51.666–6:53.700
zh是视觉模块造成下降
是视觉模块造成下降
6:53.766–6:55.000
zh他提醒的是
他提醒的是
6:55.166–6:57.200
zh能力变化存在不同方向
能力变化存在不同方向
6:57.466–7:00.700
zh不能选完上涨项目就宣布全面升级
不能选完上涨项目就宣布全面升级
7:00.900–7:03.566
zhNL to Repo的差距更值得保留
NL to Repo的差距更值得保留
7:04.133–7:06.400
zh视觉实验版是57.7
视觉实验版是57.7
7:06.600–7:09.066
zhOPPO4.8是69.7
OPPO4.8是69.7
7:09.133–7:10.933
zh相差12个百分点
相差12个百分点
7:11.200–7:12.600
zh只要这一行还在
只要这一行还在
7:12.600–7:14.533
zh就很难把整张表讲成
就很难把整张表讲成
7:14.533–7:16.500
zh闭源模型已经失去优势
闭源模型已经失去优势
7:16.766–7:19.400
zh采购模型的人真正关心的是
采购模型的人真正关心的是
7:19.400–7:21.666
zh自己的主要任务落在哪一类
自己的主要任务落在哪一类
7:21.933–7:24.166
zh如果恰好是差距明显的那类
如果恰好是差距明显的那类
7:24.300–7:27.500
zh其他项目领先并不能补偿交付损失
其他项目领先并不能补偿交付损失
7:27.766–7:29.900
zh官方还披露文字代理测试
官方还披露文字代理测试
7:29.900–7:32.400
zh使用Deepseek Harness的minimal模式
使用Deepseek Harness的minimal模式
7:32.566–7:35.466
zh并为Deepseek设置最高档推理强度
并为Deepseek设置最高档推理强度
7:35.666–7:37.200
zh采样温度为1.0
采样温度为1.0
7:37.300–7:38.966
zhtop p为0.95
top p为0.95
7:39.166–7:41.766
zh这些条件提醒使用者成绩
这些条件提醒使用者成绩
7:41.766–7:44.400
zh来自模型与运行框架的组合
来自模型与运行框架的组合
7:44.566–7:46.066
zh换成不同工具配置
换成不同工具配置
7:46.066–7:47.666
zh或更短的思考预算
或更短的思考预算
7:47.700–7:50.266
zh不能直接假定还能拿到同样分数
不能直接假定还能拿到同样分数
7:50.866–7:52.533
zh所以这张表更适合
所以这张表更适合
7:52.533–7:54.333
zh用来建立候选名单
用来建立候选名单
7:54.466–7:55.766
zh而不是直接发出
而不是直接发出
7:55.766–7:57.733
zh全面替换的采购命令
全面替换的采购命令
7:57.900–7:59.966
zh它表明视觉实验版已经
它表明视觉实验版已经
7:59.966–8:02.066
zh有值得认真验证的能力
有值得认真验证的能力
8:02.066–8:03.766
zh也明确留下了差距
也明确留下了差距
8:03.966–8:06.500
zh下一步应当拿真实工作去复核
下一步应当拿真实工作去复核
8:06.866–8:08.100
zh把进步说清楚
把进步说清楚
8:08.133–8:10.000
zh再把适用范围划清楚
再把适用范围划清楚
8:10.300–8:11.900
zh远比把一个模型捧成
远比把一个模型捧成
8:11.900–8:13.700
zh万能答案更有判断力
万能答案更有判断力
8:13.800–8:14.766
zh除了分数
除了分数
8:15.100–8:17.133
zh发布内容本身也有分量
发布内容本身也有分量
8:17.300–8:19.766
zh官方仓库使用MIT许可证
官方仓库使用MIT许可证
8:19.966–8:22.966
zh并公开了提示编码和最小推理实现
并公开了提示编码和最小推理实现
8:23.166–8:26.000
zh开发者获得的是检查和改造的基础
开发者获得的是检查和改造的基础
8:26.400–8:28.000
zh不只是一扇只能提交
不只是一扇只能提交
8:28.000–8:30.066
zh问题等待结果的接口
问题等待结果的接口
8:30.200–8:31.900
zh模型如何接收图像
模型如何接收图像
8:32.300–8:33.766
zh输入怎样编码
输入怎样编码
8:33.966–8:36.366
zh可以沿着公开文件继续研究
可以沿着公开文件继续研究
8:36.500–8:39.200
zh但这里的开放范围需要准确描述
但这里的开放范围需要准确描述
8:39.600–8:41.733
zh仓库有权重和相关代码
仓库有权重和相关代码
8:41.800–8:44.200
zh不等于训练使用的全部数据
不等于训练使用的全部数据
8:44.600–8:46.200
zh清洗过程和每一次
清洗过程和每一次
8:46.200–8:48.000
zh实验都已完整公开
实验都已完整公开
8:48.166–8:50.933
zh模型可下载与训练全过程可
模型可下载与训练全过程可
8:50.933–8:53.133
zh复现不是同一级别的承诺
复现不是同一级别的承诺
8:53.333–8:54.900
zh商业应用还要处理
商业应用还要处理
8:54.900–8:57.000
zh自身数据的授权与隐私
自身数据的授权与隐私
8:57.166–8:59.566
zh不能把模型许可证当成所有
不能把模型许可证当成所有
8:59.566–9:01.866
zh素材都能任意使用的通行证
素材都能任意使用的通行证
9:02.300–9:04.366
zhMIT许可证提供了使用和
MIT许可证提供了使用和
9:04.366–9:06.133
zh修改等方面的许可
修改等方面的许可
9:06.566–9:08.800
zh同时保留相应通知要求
同时保留相应通知要求
9:08.800–9:10.666
zh并按现状提供软件
并按现状提供软件
9:10.666–9:12.100
zh不做质量担保
不做质量担保
9:12.200–9:14.266
zh开源用户得到更多主动权
开源用户得到更多主动权
9:14.266–9:15.866
zh也要承担验证责任
也要承担验证责任
9:16.600–9:19.333
zh模型能进入自家系统是一个开始
模型能进入自家系统是一个开始
9:19.900–9:21.600
zh出了错误由谁处理
出了错误由谁处理
9:21.666–9:22.800
zh服务怎么维护
服务怎么维护
9:22.800–9:25.700
zh并不会在下载完成那一刻自动解决
并不会在下载完成那一刻自动解决
9:25.966–9:26.933
zh从结构上看
从结构上看
9:26.933–9:28.700
zh这次公开的实现包含
这次公开的实现包含
9:28.700–9:31.000
zh视觉编码器与对齐模块
视觉编码器与对齐模块
9:31.266–9:33.066
zh前者处理图像信息
前者处理图像信息
9:33.166–9:35.400
zh后者参与把视觉表示接到
后者参与把视觉表示接到
9:35.400–9:37.800
zh语言模型所能利用的形式里
语言模型所能利用的形式里
9:37.933–9:40.566
zh普通用户不需要记住每个技术名字
普通用户不需要记住每个技术名字
9:40.766–9:43.333
zh但这个结构说明会看图
但这个结构说明会看图
9:43.333–9:45.133
zh依赖具体的处理链路
依赖具体的处理链路
9:45.600–9:47.100
zh不是给文字模型换
不是给文字模型换
9:47.100–9:49.066
zh一个产品标签就能完成
一个产品标签就能完成
9:49.133–9:52.066
zh这条链路的前端尤其容易被低估
这条链路的前端尤其容易被低估
9:52.566–9:54.133
zh图片进入模型之前
图片进入模型之前
9:54.133–9:56.733
zh通常要经过尺寸和像素处理
通常要经过尺寸和像素处理
9:56.900–9:58.400
zh假如一张密集报表被
假如一张密集报表被
9:58.400–10:00.200
zh处理的细节难以辨认
处理的细节难以辨认
10:00.333–10:02.166
zh后面再强的推理也不能
后面再强的推理也不能
10:02.166–10:05.133
zh保证恢复原来那几个小字所以
保证恢复原来那几个小字所以
10:05.366–10:08.500
zh评估视觉模型要把输入处理算进去
评估视觉模型要把输入处理算进去
10:08.600–10:11.400
zh不能只检查生成回答的最后一段
不能只检查生成回答的最后一段
10:11.800–10:12.866
zh官方单独公开了
官方单独公开了
10:12.866–10:14.700
zh图文提示的编码参考
图文提示的编码参考
10:14.966–10:17.366
zh支持图像与文字交错出现
支持图像与文字交错出现
10:17.466–10:19.400
zh文档还用两种输入写法
文档还用两种输入写法
10:19.400–10:21.266
zh表达同一个双图问题
表达同一个双图问题
10:21.400–10:23.000
zh并检查它们得到相同
并检查它们得到相同
10:23.000–10:24.800
zh的提示与输入序列
的提示与输入序列
10:25.000–10:27.066
zh这个设计看起来很工程化
这个设计看起来很工程化
10:27.100–10:29.266
zh却触及一个常见错误来源
却触及一个常见错误来源
10:29.666–10:31.066
zh第一张图和第二张图
第一张图和第二张图
10:31.066–10:32.600
zh如果在传递中对调
如果在传递中对调
10:32.933–10:34.566
zh模型可能答得很流畅
模型可能答得很流畅
10:34.733–10:36.466
zh却始终在弹错对象
却始终在弹错对象
10:36.500–10:39.366
zh比如需要比较修改前后的两份界面
比如需要比较修改前后的两份界面
10:39.533–10:41.533
zh问题是哪个按钮消失了
问题是哪个按钮消失了
10:41.900–10:43.866
zh顺序就决定变化方向
顺序就决定变化方向
10:44.166–10:45.933
zh编码阶段保持图像
编码阶段保持图像
10:45.933–10:47.666
zh与文字的对应关系
与文字的对应关系
10:47.800–10:49.400
zh才有资格继续讨论
才有资格继续讨论
10:49.400–10:51.266
zh模型理解的是否正确
模型理解的是否正确
10:51.366–10:53.700
zh这种基础设施做对之后
这种基础设施做对之后
10:53.766–10:55.666
zh开发者才不至于把输入
开发者才不至于把输入
10:55.666–10:58.000
zh错误误诊成模型智力不足
错误误诊成模型智力不足
10:58.100–11:00.700
zh或者不断改提示词却没有效果
或者不断改提示词却没有效果
11:01.133–11:03.866
zh配置文件还保留了混合专家结构
配置文件还保留了混合专家结构
11:04.100–11:06.700
zh它列出256个路由专家
它列出256个路由专家
11:06.733–11:08.500
zh每个词元选择6个
每个词元选择6个
11:08.500–11:10.066
zh并有共享专家
并有共享专家
11:10.166–11:12.333
zh这个结构试图让每次计算
这个结构试图让每次计算
11:12.333–11:14.800
zh只动用模型的一部分能力
只动用模型的一部分能力
11:15.300–11:17.200
zh但不能把它理解为只需要
但不能把它理解为只需要
11:17.200–11:19.533
zh存储那几个被选中的专家
存储那几个被选中的专家
11:19.666–11:21.200
zh实际部署仍要处理
实际部署仍要处理
11:21.200–11:23.500
zh模型权重及运行时资源
模型权重及运行时资源
11:23.866–11:26.266
zh存得下和算得快是不同约束
存得下和算得快是不同约束
11:26.400–11:28.566
zh这也是为什么Flash三个字不能
这也是为什么Flash三个字不能
11:28.566–11:31.466
zh自动翻译成普通电脑轻松运行
自动翻译成普通电脑轻松运行
11:32.366–11:34.000
zh名字表达产品路线
名字表达产品路线
11:34.000–11:35.566
zh不是硬件配置单
不是硬件配置单
11:35.700–11:37.100
zh速度会受到硬件
速度会受到硬件
11:37.100–11:39.066
zh带宽和推理实现影响
带宽和推理实现影响
11:39.200–11:42.466
zh并发增加后还会出现新的资源压力
并发增加后还会出现新的资源压力
11:42.600–11:44.900
zh缺少针对具体机器的测量
缺少针对具体机器的测量
11:45.300–11:48.066
zh就不应该承诺每秒生成多少字
就不应该承诺每秒生成多少字
11:48.366–11:50.933
zh更不能仅凭名称推算成本
更不能仅凭名称推算成本
11:51.566–11:54.100
zh配置中还能看到低精度相关设置
配置中还能看到低精度相关设置
11:54.400–11:56.466
zh包括专家权重的FP4
包括专家权重的FP4
11:56.466–11:58.600
zh设置和FP8量化信息
设置和FP8量化信息
11:58.800–12:00.766
zh低精度的目标之一是
低精度的目标之一是
12:00.766–12:03.133
zh降低存储或计算负担
降低存储或计算负担
12:03.200–12:06.166
zh但收益取决于实现与硬件支持
但收益取决于实现与硬件支持
12:06.600–12:08.400
zh精度变化也需要验证
精度变化也需要验证
12:08.500–12:09.766
zh它是优化工具
它是优化工具
12:09.766–12:11.700
zh不是一个只赚不亏的按钮
不是一个只赚不亏的按钮
12:11.900–12:14.000
zh不同组件的精度还可能不同
不同组件的精度还可能不同
12:14.366–12:15.566
zh不能把整套模型
不能把整套模型
12:15.566–12:17.366
zh简单描述成统一四维
简单描述成统一四维
12:17.566–12:20.100
zh上下文上限也同样需要谨慎
上下文上限也同样需要谨慎
12:20.500–12:24.400
zh配置文件的最大位置数是1048576
配置文件的最大位置数是1048576
12:24.466–12:26.666
zh属于约百万词元的量级
属于约百万词元的量级
12:27.000–12:28.800
zh这是容量相关的设置
这是容量相关的设置
12:28.866–12:30.600
zh不能直接读成百万字
不能直接读成百万字
12:30.966–12:32.566
zh更不能保证塞进去的
更不能保证塞进去的
12:32.566–12:34.866
zh每一个细节都会被准确利用
每一个细节都会被准确利用
12:35.066–12:36.566
zh窗口能容纳多少
窗口能容纳多少
12:36.866–12:39.466
zh与长材料中能找到多少有效证据
与长材料中能找到多少有效证据
12:39.600–12:41.000
zh需要分别测量
需要分别测量
12:41.166–12:44.366
zh图文场景会让长上下文问题更实际
图文场景会让长上下文问题更实际
12:44.600–12:47.366
zh一份长报告可能包含多页图表
一份长报告可能包含多页图表
12:47.600–12:50.333
zh同一指标在不同页面又有不同口径
同一指标在不同页面又有不同口径
12:50.700–12:52.500
zh模型要找到正确位置
模型要找到正确位置
12:52.566–12:55.300
zh还得保持单位与时间范围的一致
还得保持单位与时间范围的一致
12:55.466–12:57.500
zh多放一些内容进去
多放一些内容进去
12:57.500–12:59.133
zh只是给了更多材料
只是给了更多材料
12:59.500–13:02.000
zh如果材料之间的关系没有处理好
如果材料之间的关系没有处理好
13:02.200–13:04.866
zh更大的窗口也可能存在更多混淆
更大的窗口也可能存在更多混淆
13:05.133–13:06.366
zh参考推理文档对
参考推理文档对
13:06.366–13:07.966
zh自身定位说的很清楚
自身定位说的很清楚
13:08.300–13:10.666
zh它是一份便于阅读的参考实现
它是一份便于阅读的参考实现
13:10.733–13:12.400
zh并非生产服务引擎
并非生产服务引擎
13:12.766–13:15.333
zh代码包含Genspark相关前向路径
代码包含Genspark相关前向路径
13:15.466–13:17.066
zh但生成循环仍然是
但生成循环仍然是
13:17.066–13:18.600
zh直接的自回归采样
直接的自回归采样
13:18.700–13:20.333
zh这意味着能在代码里
这意味着能在代码里
13:20.333–13:22.566
zh找到某种能力的组成部分
找到某种能力的组成部分
13:23.100–13:25.466
zh不等于配套服务已经把吞吐
不等于配套服务已经把吞吐
13:25.466–13:27.900
zh和调度都优化到成熟状态
和调度都优化到成熟状态
13:28.000–13:30.333
zh把参考实现接成长期服务
把参考实现接成长期服务
13:30.400–13:31.966
zh还要处理请求排队
还要处理请求排队
13:32.333–13:34.000
zh资源分配和失败恢复
资源分配和失败恢复
13:34.133–13:36.333
zh单次测试跑通只能证明
单次测试跑通只能证明
13:36.333–13:38.000
zh这一次流程可以执行
这一次流程可以执行
13:38.166–13:39.900
zh客户同时上传资料
客户同时上传资料
13:39.966–13:41.400
zh某个请求过长
某个请求过长
13:41.600–13:43.466
zh机器资源暂时不足
机器资源暂时不足
13:43.566–13:45.600
zh这些情况都会影响交付
这些情况都会影响交付
13:46.000–13:47.933
zh实验模型最容易被夸大的
实验模型最容易被夸大的
13:47.933–13:50.600
zh地方就是把能够运行写成
地方就是把能够运行写成
13:50.600–13:52.866
zh已经适合任何生产环境
已经适合任何生产环境
13:53.066–13:54.533
zh文档里的并行示例也
文档里的并行示例也
13:54.533–13:56.666
zh不能当成最低硬件要求
不能当成最低硬件要求
13:57.400–13:59.600
zh示例展示了如何组织执行
示例展示了如何组织执行
13:59.600–14:00.933
zh不等于已经测出
不等于已经测出
14:00.933–14:02.666
zh所有部署组合的下限
所有部署组合的下限
14:02.900–14:04.333
zh官方目前这些文件
官方目前这些文件
14:04.333–14:06.066
zh并没有给出足够依据
并没有给出足够依据
14:06.266–14:08.533
zh让外界承诺某种消费级
让外界承诺某种消费级
14:08.533–14:10.866
zh设备一定可以获得理想体验
设备一定可以获得理想体验
14:11.133–14:13.066
zh后续优化可能改变门槛
后续优化可能改变门槛
14:13.133–14:14.566
zh但未验证的结果
但未验证的结果
14:14.566–14:16.466
zh应当留在未来时态里
应当留在未来时态里
14:16.533–14:17.700
zh经过这些限制
经过这些限制
14:17.866–14:20.133
zh开源的价值反而更具体了
开源的价值反而更具体了
14:20.533–14:21.866
zh一个企业如果只通过
一个企业如果只通过
14:21.866–14:23.600
zh外部接口使用模型
外部接口使用模型
14:24.000–14:27.066
zh很多前处理和服务细节由别人决定
很多前处理和服务细节由别人决定
14:27.166–14:28.800
zh获得权重和代码后
获得权重和代码后
14:28.866–14:30.333
zh它至少能够针对自己
它至少能够针对自己
14:30.333–14:32.100
zh的资料格式做调整
的资料格式做调整
14:32.366–14:34.766
zh固定版本并保留测试环境
固定版本并保留测试环境
14:35.366–14:38.166
zh这种可控制性对长期工作有意义
这种可控制性对长期工作有意义
14:38.400–14:40.700
zh即使它不自动带来最低成本
即使它不自动带来最低成本
14:40.800–14:42.600
zh最容易进入试验的场景
最容易进入试验的场景
14:42.866–14:44.400
zh是视觉信息与明确
是视觉信息与明确
14:44.400–14:46.266
zh规则同时存在的工作
规则同时存在的工作
14:46.466–14:48.133
zh比如报销单据处理
比如报销单据处理
14:48.333–14:50.166
zh模型先提取候选字段
模型先提取候选字段
14:50.533–14:53.000
zh再由程序核对总额和日期格式
再由程序核对总额和日期格式
14:53.333–14:54.900
zh异常部分交给人
异常部分交给人
14:54.900–14:56.300
zh这个流程把模型用于
这个流程把模型用于
14:56.300–14:57.933
zh难以标准化的识别
难以标准化的识别
14:57.933–15:00.766
zh把容易验证的条件交给确定规则
把容易验证的条件交给确定规则
15:01.066–15:02.733
zh它是一种应用设计思路
它是一种应用设计思路
15:02.900–15:05.900
zh不是本次发布已经证明的客户案例
不是本次发布已经证明的客户案例
15:06.000–15:07.733
zh这样的组合还有一个优势
这样的组合还有一个优势
15:07.933–15:09.300
zh错误更容易定位
错误更容易定位
15:09.700–15:10.566
zh金额看错了
金额看错了
15:10.566–15:12.000
zh可以回到对应图像
可以回到对应图像
15:12.133–15:14.533
zh加总不一致可以检查计算
加总不一致可以检查计算
15:14.800–15:17.566
zh审批未通过则应当有业务原因
审批未通过则应当有业务原因
15:17.666–15:19.366
zh若把所有工作都塞进
若把所有工作都塞进
15:19.366–15:21.133
zh一句处理完这份报销
一句处理完这份报销
15:21.366–15:22.766
zh得到一个总判断
得到一个总判断
15:22.933–15:25.000
zh后续复查就会困难得多
后续复查就会困难得多
15:25.300–15:28.066
zh开放模型给了拆分这些环节的条件
开放模型给了拆分这些环节的条件
15:28.300–15:30.600
zh系统设计仍需要认真完成
系统设计仍需要认真完成
15:30.766–15:32.866
zh文档整理也有类似机会
文档整理也有类似机会
15:33.133–15:34.866
zh扫描件可能排版复杂
扫描件可能排版复杂
15:35.333–15:36.266
zh表格跨页
表格跨页
15:36.500–15:38.100
zh图注夹在正文里
图注夹在正文里
15:38.133–15:40.066
zh一个能利用图像的模型
一个能利用图像的模型
15:40.266–15:42.200
zh有机会减少先转成纯
有机会减少先转成纯
15:42.200–15:43.866
zh文字时的结构丢失
文字时的结构丢失
15:44.066–15:46.166
zh但有机会不等于已经准确
但有机会不等于已经准确
15:46.300–15:49.400
zh实际验收应当保留页码与证据位置
实际验收应当保留页码与证据位置
15:49.666–15:52.100
zh让使用者能回到材料核对
让使用者能回到材料核对
15:52.100–15:54.766
zh而不是只得到一份无法追溯的摘要
而不是只得到一份无法追溯的摘要
15:55.133–15:57.300
zh网页任务则要求模型把
网页任务则要求模型把
15:57.300–15:59.100
zh画面与动作对应起来
画面与动作对应起来
15:59.266–16:00.700
zh识别按钮在哪里
识别按钮在哪里
16:00.766–16:02.066
zh仅仅是起点
仅仅是起点
16:02.200–16:03.566
zh按钮能否点击
按钮能否点击
16:03.866–16:05.566
zh点击后是否成功
点击后是否成功
16:05.800–16:08.300
zh页面有没有出现新的确认步骤
页面有没有出现新的确认步骤
16:08.900–16:11.100
zh都要由执行系统继续观察
都要由执行系统继续观察
16:11.366–16:14.100
zh视觉模型可以参与判断屏幕内容
视觉模型可以参与判断屏幕内容
16:14.466–16:17.066
zh但它不会因为看见一个付款按钮
但它不会因为看见一个付款按钮
16:17.366–16:19.333
zh就自动获得付款权限
就自动获得付款权限
16:19.766–16:22.066
zh也不应被赋予这种默认权利
也不应被赋予这种默认权利
16:22.133–16:23.600
zh做界面测试时
做界面测试时
16:23.600–16:25.133
zh视觉能力有机会发现
视觉能力有机会发现
16:25.133–16:27.200
zh文字日志里不明显的问题
文字日志里不明显的问题
16:27.366–16:29.000
zh比如内容是否被遮挡
比如内容是否被遮挡
16:29.566–16:31.500
zh某个组件的位置是否异常
某个组件的位置是否异常
16:31.766–16:34.100
zh但这类判断也需要明确标准
但这类判断也需要明确标准
16:34.333–16:36.100
zh页面有两种合理布局
页面有两种合理布局
16:36.533–16:38.100
zh模型偏好其中一种
模型偏好其中一种
16:38.100–16:40.133
zh不代表另一种就是错误
不代表另一种就是错误
16:40.300–16:42.166
zh真正可以自动验收的
真正可以自动验收的
16:42.166–16:45.100
zh应当是可描述可复查的要求
应当是可描述可复查的要求
16:45.200–16:47.400
zh而不是一句看起来不够好
而不是一句看起来不够好
16:47.400–16:48.866
zh这些例子共同指向
这些例子共同指向
16:48.866–16:51.000
zh一个更有用的竞争标准
一个更有用的竞争标准
16:51.366–16:54.166
zh模型的价值应该落在某个环节
模型的价值应该落在某个环节
16:54.166–16:55.866
zh少了多少人工搬运
少了多少人工搬运
16:56.066–16:58.300
zh又增加了多少检查成本
又增加了多少检查成本
16:58.400–17:01.200
zh一个专业流程可能不需要全能模型
一个专业流程可能不需要全能模型
17:01.500–17:04.500
zh只需要它稳定处理少数关键输入
只需要它稳定处理少数关键输入
17:04.733–17:06.600
zh只要这些输入足够频繁
只要这些输入足够频繁
17:07.100–17:09.333
zh局部可靠的能力就能有价值
局部可靠的能力就能有价值
17:09.533–17:12.800
zh不必等所有基准都拿第一反过来
不必等所有基准都拿第一反过来
17:12.966–17:15.933
zh模型在困难基准上的平均成绩提高
模型在困难基准上的平均成绩提高
17:16.266–17:17.333
zh也不意味着可以
也不意味着可以
17:17.333–17:19.200
zh接手风险最高的决策
接手风险最高的决策
17:19.533–17:22.500
zh医疗图像重要工程判断和
医疗图像重要工程判断和
17:22.500–17:25.066
zh敏感财务操作都有远超过
敏感财务操作都有远超过
17:25.066–17:26.900
zh一次问答的责任要求
一次问答的责任要求
17:27.000–17:29.133
zh此处讨论的专业图表表现
此处讨论的专业图表表现
17:29.133–17:31.333
zh只能提供研究和选型线索
只能提供研究和选型线索
17:31.733–17:33.333
zh不能替代领域验证
不能替代领域验证
17:33.366–17:35.266
zh更不能被包装成取消
更不能被包装成取消
17:35.266–17:37.000
zh专业人员审核的理由
专业人员审核的理由
17:37.200–17:38.700
zh模型能够读图之后
模型能够读图之后
17:38.700–17:41.133
zh还会扩大需要保护的数据范围
还会扩大需要保护的数据范围
17:41.400–17:43.533
zh截图中可能包含账号个人
截图中可能包含账号个人
17:43.533–17:46.100
zh身份信息或内部系统界面
身份信息或内部系统界面
17:46.900–17:49.200
zh资料原本只在某人的屏幕上
资料原本只在某人的屏幕上
17:49.300–17:51.600
zh上传之后就进入新的处理链
上传之后就进入新的处理链
17:51.866–17:53.300
zh企业部署前需要
企业部署前需要
17:53.300–17:55.333
zh弄清楚图像去了哪里
弄清楚图像去了哪里
17:55.466–17:57.000
zh哪些记录被保留
哪些记录被保留
17:57.100–17:58.566
zh以及故障排查时
以及故障排查时
17:58.566–18:00.700
zh会不会再次复制这些资料
会不会再次复制这些资料
18:01.000–18:02.400
zh自行部署给了更多
自行部署给了更多
18:02.400–18:04.266
zh控制数据流向的机会
控制数据流向的机会
18:04.300–18:06.333
zh却不自动等于数据安全
却不自动等于数据安全
18:06.466–18:08.566
zh如果服务暴露范围过大
如果服务暴露范围过大
18:08.666–18:10.566
zh日志记录了敏感图片
日志记录了敏感图片
18:10.566–18:12.666
zh或者管理权限没有分开
或者管理权限没有分开
18:12.733–18:15.200
zh本地机器一样可能形成风险
本地机器一样可能形成风险
18:15.300–18:16.933
zh更合理的判断是
更合理的判断是
18:16.933–18:18.900
zh开放权重允许使用者
开放权重允许使用者
18:18.900–18:20.600
zh自己安排保护措施
自己安排保护措施
18:21.000–18:23.266
zh同时也要求使用者有能力
同时也要求使用者有能力
18:23.266–18:25.733
zh把这些措施真正执行下去
把这些措施真正执行下去
18:25.966–18:27.533
zh视觉输入还存在与
视觉输入还存在与
18:27.533–18:29.466
zh文字类似的信任问题
文字类似的信任问题
18:30.100–18:31.300
zh图片里的文字可能
图片里的文字可能
18:31.300–18:32.900
zh是需要分析的内容
是需要分析的内容
18:32.933–18:35.733
zh也可能夹带试图改变任务的指令
也可能夹带试图改变任务的指令
18:36.100–18:38.466
zh系统应该分清材料和授权
系统应该分清材料和授权
18:38.533–18:41.133
zh不能因为模型能够读到某一句话
不能因为模型能够读到某一句话
18:41.133–18:42.900
zh就把它当成新的命令
就把它当成新的命令
18:43.000–18:45.266
zh让模型接触更多信息
让模型接触更多信息
18:45.500–18:47.533
zh同时也意味着要更清楚的
同时也意味着要更清楚的
18:47.533–18:49.800
zh约束它能用这些信息做什么
约束它能用这些信息做什么
18:50.066–18:51.100
zh这些安全要求
这些安全要求
18:51.100–18:53.066
zh并没有否定发布的意义
并没有否定发布的意义
18:53.500–18:56.066
zh相反他们解释了为什么开放
相反他们解释了为什么开放
18:56.066–18:58.366
zh模型会吸引一部分开发者
模型会吸引一部分开发者
18:58.533–19:00.366
zh某些团队希望自行定义
某些团队希望自行定义
19:00.366–19:02.800
zh审核环节和数据保留策略
审核环节和数据保留策略
19:02.966–19:04.733
zh也希望固定一个版本
也希望固定一个版本
19:05.500–19:07.766
zh不必跟着外部服务每次调整
不必跟着外部服务每次调整
19:07.966–19:10.500
zh模型能力只要达到业务所需
模型能力只要达到业务所需
19:10.600–19:12.466
zh更多控制权本身就能
更多控制权本身就能
19:12.466–19:14.166
zh构成选择它的理由
构成选择它的理由
19:14.266–19:16.600
zh不过固定版本也有代价
不过固定版本也有代价
19:16.933–19:18.400
zh没有自动跟随更新
没有自动跟随更新
19:18.400–19:20.466
zh就需要主动评估新版本
就需要主动评估新版本
19:20.600–19:22.666
zh决定是否修补或替换
决定是否修补或替换
19:22.866–19:25.666
zh维护人员需要保留测试样本
维护人员需要保留测试样本
19:25.666–19:27.966
zh知道这次升级改善了什么
知道这次升级改善了什么
19:28.066–19:29.400
zh又损害了什么
又损害了什么
19:29.500–19:32.133
zh否则所谓稳定版本可能只是
否则所谓稳定版本可能只是
19:32.133–19:34.166
zh很久没有被检查的旧版本
很久没有被检查的旧版本
19:34.933–19:36.366
zh控制权只有配上维护
控制权只有配上维护
19:36.366–19:38.366
zh能力才会变成可靠性
能力才会变成可靠性
19:38.600–19:40.000
zh成本同样不能只看
成本同样不能只看
19:40.000–19:41.466
zh有没有许可证费用
有没有许可证费用
19:41.900–19:44.100
zh自建服务要承担计算资源
自建服务要承担计算资源
19:44.566–19:46.966
zh还要有人负责接入和日常运维
还要有人负责接入和日常运维
19:47.166–19:48.966
zh任务量少的时候机器
任务量少的时候机器
19:48.966–19:50.800
zh空闲也可能产生费用
空闲也可能产生费用
19:51.266–19:53.966
zh任务突然增加又可能需要扩容
任务突然增加又可能需要扩容
19:54.366–19:55.400
zh使用接口则有
使用接口则有
19:55.400–19:57.200
zh另一种计费与服务依赖
另一种计费与服务依赖
19:57.566–19:59.866
zh两者应该按相同业务量比较
两者应该按相同业务量比较
19:59.966–20:01.466
zh不能把免费的权重
不能把免费的权重
20:01.466–20:03.066
zh写成免费的生产力
写成免费的生产力
20:03.166–20:05.366
zh视觉工作还会改变成本结构
视觉工作还会改变成本结构
20:05.500–20:07.133
zh一张图要怎样缩放
一张图要怎样缩放
20:07.266–20:08.900
zh是否需要重新裁切
是否需要重新裁切
20:09.400–20:11.166
zh失败后要重试几次
失败后要重试几次
20:11.400–20:13.333
zh都会影响实际处理过程
都会影响实际处理过程
20:13.466–20:16.166
zh只比较文字输出的单位价格
只比较文字输出的单位价格
20:16.700–20:18.400
zh可能忽略大部分成本
可能忽略大部分成本
20:18.533–20:20.933
zh真正有参考价值的指标是
真正有参考价值的指标是
20:20.933–20:23.200
zh处理完一份达到要求的资料
处理完一份达到要求的资料
20:23.366–20:25.900
zh总共花了多少资源和人工时间
总共花了多少资源和人工时间
20:25.966–20:28.133
zh一个便宜模型反复答错
一个便宜模型反复答错
20:28.133–20:30.400
zh再让昂贵模型或专家补救
再让昂贵模型或专家补救
20:30.533–20:32.066
zh未必比一开始就选择
未必比一开始就选择
20:32.066–20:34.466
zh更合适的方案省钱相反
更合适的方案省钱相反
20:34.866–20:37.366
zh先用低成本办法处理简单任务
先用低成本办法处理简单任务
20:37.700–20:40.133
zh再把疑难部分交给更强系统
再把疑难部分交给更强系统
20:40.166–20:41.333
zh也可能有效
也可能有效
20:41.466–20:44.800
zh关键是难度分类和失败识别要可靠
关键是难度分类和失败识别要可靠
20:44.966–20:47.200
zh不能在不知道对错的情况下
不能在不知道对错的情况下
20:47.200–20:49.866
zh只按价格把任务自动往下分
只按价格把任务自动往下分
20:50.100–20:51.500
zh开源路线因此可能
开源路线因此可能
20:51.500–20:53.400
zh推动更细的产品分工
推动更细的产品分工
20:53.533–20:55.666
zh有团队专门改善推理
有团队专门改善推理
20:55.666–20:58.800
zh有团队针对行业资料设计验证
有团队针对行业资料设计验证
20:58.866–21:01.966
zh还有团队负责把能力放进业务软件
还有团队负责把能力放进业务软件
21:02.166–21:04.866
zh他们不必都从训练基础模型开始
他们不必都从训练基础模型开始
21:05.133–21:06.400
zh但这是开放条件
但这是开放条件
21:06.400–21:08.266
zh可能带来的发展方向
可能带来的发展方向
21:08.400–21:11.666
zh不代表这些环节今天已经全部成熟
不代表这些环节今天已经全部成熟
21:11.933–21:13.466
zh更不代表任何创业
更不代表任何创业
21:13.466–21:15.266
zh项目都能因此盈利
项目都能因此盈利
21:15.533–21:17.266
zh闭源服务也不会因为一个
闭源服务也不会因为一个
21:17.266–21:19.533
zh开放模型出现就失去价值
开放模型出现就失去价值
21:20.133–21:21.700
zh用户可能继续为稳定
用户可能继续为稳定
21:21.700–21:23.600
zh服务和配套工具付费
服务和配套工具付费
21:23.933–21:26.666
zh也可能需要供应商承担运维责任
也可能需要供应商承担运维责任
21:27.200–21:29.566
zh开源竞争提高的是替代可能性
开源竞争提高的是替代可能性
21:29.700–21:32.666
zh只有替代方案在实际任务上跑得通
只有替代方案在实际任务上跑得通
21:32.666–21:35.366
zh用户才有更多谈价和迁移空间
用户才有更多谈价和迁移空间
21:35.533–21:37.733
zh而不是在宣布开放的那一刻
而不是在宣布开放的那一刻
21:37.733–21:39.566
zh所有价格就必然下降
所有价格就必然下降
21:39.733–21:41.266
zh这次发布对Deepseek
这次发布对Deepseek
21:41.366–21:42.933
zh自身也提出了要求
自身也提出了要求
21:43.800–21:46.066
zh模型卡能吸引开发者过来
模型卡能吸引开发者过来
21:46.133–21:47.933
zh清晰的文档和可运行
清晰的文档和可运行
21:47.933–21:49.733
zh实现才能让他们留下
实现才能让他们留下
21:49.866–21:51.533
zh发现结果差异之后
发现结果差异之后
21:51.666–21:54.366
zh能不能定位到版本和输入处理
能不能定位到版本和输入处理
21:54.500–21:56.933
zh决定社区是否有办法一起改进
决定社区是否有办法一起改进
21:57.266–21:58.933
zh开放生态的效率来自可
开放生态的效率来自可
21:58.933–22:01.700
zh检查的问题和可复用的修复
检查的问题和可复用的修复
22:01.866–22:03.866
zh不能只用下载量来代替
不能只用下载量来代替
22:04.000–22:05.166
zh读懂这个逻辑
读懂这个逻辑
22:05.400–22:08.300
zh就能理解为什么实验版也值得报道
就能理解为什么实验版也值得报道
22:08.733–22:10.300
zh他把一部分原本只能
他把一部分原本只能
22:10.300–22:12.466
zh通过最终回答观察的能力
通过最终回答观察的能力
22:12.600–22:15.866
zh变成可检查和可接入的技术材料
变成可检查和可接入的技术材料
22:16.133–22:17.733
zh研究者可以发现边界
研究者可以发现边界
22:17.900–22:20.300
zh开发者可以试自己的工作流程
开发者可以试自己的工作流程
22:20.600–22:22.933
zh价值发生在这些具体动作里
价值发生在这些具体动作里
22:22.966–22:24.566
zh未必需要先获得一个
未必需要先获得一个
22:24.566–22:26.300
zh全世界最强的称号
全世界最强的称号
22:26.800–22:29.766
zh但开源社区的反馈也要分层看
但开源社区的反馈也要分层看
22:29.800–22:31.733
zh一条成功运行的分享
一条成功运行的分享
22:31.866–22:33.566
zh只能代表那个人的环境
只能代表那个人的环境
22:34.100–22:36.566
zh一条失败报告也不能直接
一条失败报告也不能直接
22:36.566–22:39.333
zh证明模型对所有人都不可用
证明模型对所有人都不可用
22:39.400–22:41.500
zh真正能积累成证据的
真正能积累成证据的
22:41.500–22:44.900
zh是清楚的版本硬件条件和输入
是清楚的版本硬件条件和输入
22:45.000–22:47.166
zh以及可以重复得到的结果
以及可以重复得到的结果
22:47.466–22:49.566
zh省略这些背景讨论
省略这些背景讨论
22:49.566–22:51.366
zh很容易变成立场对撞
很容易变成立场对撞
22:51.600–22:53.600
zh选择是否采用这款模型
选择是否采用这款模型
22:54.000–22:55.333
zh一个实际的起点是
一个实际的起点是
22:55.333–22:57.066
zh保留自己的工作样本
保留自己的工作样本
22:57.333–22:59.866
zh样本不能只有清晰漂亮的图片
样本不能只有清晰漂亮的图片
23:00.000–23:02.066
zh还应包含日常真的会遇到
还应包含日常真的会遇到
23:02.066–23:04.100
zh的模糊内容和排版变化
的模糊内容和排版变化
23:04.500–23:06.766
zh测试要覆盖重要的失败类型
测试要覆盖重要的失败类型
23:06.933–23:09.366
zh而不是专门挑模型擅长的题
而不是专门挑模型擅长的题
23:09.566–23:12.500
zh否则上线之前看到的准确率
否则上线之前看到的准确率
23:12.533–23:15.200
zh可能只是对精心整理的材料负责
可能只是对精心整理的材料负责
23:15.333–23:18.333
zh中文使用场景尤其需要单独验证
中文使用场景尤其需要单独验证
23:18.733–23:20.933
zh这次模型卡的成绩表并没有
这次模型卡的成绩表并没有
23:20.933–23:23.900
zh逐项披露简体中文票据繁体字
逐项披露简体中文票据繁体字
23:23.900–23:26.800
zh截图或中英混排文件的专项结果
截图或中英混排文件的专项结果
23:26.933–23:29.133
zh同一页里既有中文项目名
同一页里既有中文项目名
23:29.133–23:31.400
zh又有英文缩写和数字单位
又有英文缩写和数字单位
23:31.566–23:33.466
zh错误可能发生在字符
错误可能发生在字符
23:33.766–23:35.666
zh也可能发生在对应关系
也可能发生在对应关系
23:35.866–23:38.000
zh面向中文业务的开发者不能用
面向中文业务的开发者不能用
23:38.000–23:40.900
zh一组纵合层级替代本地材料测试
一组纵合层级替代本地材料测试
23:41.200–23:44.133
zh样本还应区分错误的严重程度
样本还应区分错误的严重程度
23:44.300–23:45.766
zh图标题多了一个字
图标题多了一个字
23:46.000–23:48.200
zh与把金额的小数点看错
与把金额的小数点看错
23:48.566–23:50.300
zh不应该获得同样评价
不应该获得同样评价
23:50.500–23:51.866
zh哪怕整体正确
哪怕整体正确
23:51.966–23:52.966
zh数量相近
数量相近
23:53.200–23:55.666
zh业务后果也可能完全不同
业务后果也可能完全不同
23:55.800–23:58.466
zh模型选型需要把损失放进考核
模型选型需要把损失放进考核
23:58.700–24:01.400
zh才能知道哪些任务可以自动通过
才能知道哪些任务可以自动通过
24:01.566–24:03.766
zh哪些必须停下来让人确认
哪些必须停下来让人确认
24:04.466–24:05.700
zh比较模型时
比较模型时
24:05.766–24:08.766
zh输入质量和可用工具也要尽量一致
输入质量和可用工具也要尽量一致
24:08.966–24:10.366
zh一个系统可以放大
一个系统可以放大
24:10.366–24:12.266
zh图像并调用计算工具
图像并调用计算工具
24:12.700–24:14.666
zh另一个只能看一次压缩图
另一个只能看一次压缩图
24:14.733–24:16.000
zh结果反映的就是
结果反映的就是
24:16.000–24:18.100
zh不同系统的综合表现
不同系统的综合表现
24:18.266–24:19.966
zh这样的比较仍然有用
这样的比较仍然有用
24:20.066–24:23.200
zh但需要讲清楚买到的是哪一套能力
但需要讲清楚买到的是哪一套能力
24:23.333–24:24.966
zh不能把所有优势都
不能把所有优势都
24:24.966–24:26.766
zh归到模型权重本身
归到模型权重本身
24:26.933–24:29.566
zh运行时间也应与结果一起记录
运行时间也应与结果一起记录
24:30.266–24:32.466
zh一个任务等很久才答对
一个任务等很久才答对
24:32.566–24:35.200
zh和一个交互场景要求及时反馈
和一个交互场景要求及时反馈
24:36.066–24:37.333
zh适用条件不同
适用条件不同
24:37.866–24:40.300
zh有些离线批处理可以接受等待
有些离线批处理可以接受等待
24:40.700–24:42.400
zh有些现场操作不行
有些现场操作不行
24:42.533–24:44.466
zh最高推理强度下的分数
最高推理强度下的分数
24:44.466–24:46.200
zh提供能力上限的线索
提供能力上限的线索
24:46.500–24:48.733
zh日常产品还要找到准确率
日常产品还要找到准确率
24:48.733–24:50.766
zh与等待之间合适的位置
与等待之间合适的位置
24:51.100–24:52.266
zh最后还要检查系统
最后还要检查系统
24:52.266–24:54.166
zh会不会承认无法确定
会不会承认无法确定
24:54.333–24:56.933
zh一张关键区域模糊的图片
一张关键区域模糊的图片
24:57.166–24:58.366
zh硬给一个答案
硬给一个答案
24:58.400–25:01.566
zh可能比明确请求更清晰的材料更糟
可能比明确请求更清晰的材料更糟
25:01.966–25:04.000
zh合理的流程应该允许暂停
合理的流程应该允许暂停
25:04.066–25:05.100
zh保留证据
保留证据
25:05.100–25:06.266
zh再安排复核
再安排复核
25:06.366–25:07.466
zh多模态进步
多模态进步
25:07.466–25:10.900
zh如果只让错误回答看起来更自信
如果只让错误回答看起来更自信
25:11.266–25:13.933
zh而没有改善这种不确定性的处理
而没有改善这种不确定性的处理
25:14.100–25:16.133
zh商业价值会受到限制
商业价值会受到限制
25:16.300–25:20.366
zh所以Deepseek v四flash vision exp的发布
所以Deepseek v四flash vision exp的发布
25:20.466–25:23.700
zh最扎实的意义是让V4路线补上了
最扎实的意义是让V4路线补上了
25:23.700–25:26.166
zh可公开研究的视觉理解能力
可公开研究的视觉理解能力
25:26.566–25:28.100
zh并给出了能够讨论
并给出了能够讨论
25:28.100–25:29.866
zh优劣的测试与实现
优劣的测试与实现
25:30.066–25:32.133
zh部分项目已经显示竞争力
部分项目已经显示竞争力
25:32.266–25:33.900
zh其他项目仍有差距
其他项目仍有差距
25:34.100–25:36.300
zh实验状态部署成本和业务
实验状态部署成本和业务
25:36.300–25:39.533
zh可靠性都应当留在同一张判断表里
可靠性都应当留在同一张判断表里
25:39.600–25:42.200
zh生态接入已经出现了一个具体信号
生态接入已经出现了一个具体信号
25:42.766–25:47.500
zhOpenclaw2.0的发布说明把Deepseek V4 Flash vision
Openclaw2.0的发布说明把Deepseek V4 Flash vision
25:47.600–25:50.100
zh实验模型列进了模型发现更新
实验模型列进了模型发现更新
25:50.133–25:51.866
zh这个条目说明周边
这个条目说明周边
25:51.866–25:53.900
zh工具开始识别相关模型
工具开始识别相关模型
25:54.066–25:56.566
zh但只是发现与接入层面的信息
但只是发现与接入层面的信息
25:56.766–25:58.300
zh不能当成所有图像
不能当成所有图像
25:58.300–25:59.800
zh任务都已测试通过
任务都已测试通过
26:00.133–26:01.333
zh目录里找得到
目录里找得到
26:01.666–26:03.533
zh和接上之后持续交付
和接上之后持续交付
26:03.966–26:06.133
zh是需要分别验收的两步
是需要分别验收的两步
26:06.133–26:07.533
zh这也给后续进展
这也给后续进展
26:07.533–26:09.333
zh提供了可观察的方向
提供了可观察的方向
26:09.666–26:10.966
zh模型发布以后
模型发布以后
26:11.133–26:14.333
zh值得跟踪的不只是又出现多少演示
值得跟踪的不只是又出现多少演示
26:14.533–26:17.666
zh还包括不同工具是否正确传递图像
还包括不同工具是否正确传递图像
26:18.100–26:20.366
zh服务实现能否稳定运行
服务实现能否稳定运行
26:20.733–26:22.266
zh以及真实任务的失败
以及真实任务的失败
26:22.266–26:23.933
zh案例有没有得到修复
案例有没有得到修复
26:24.066–26:26.100
zh这几类改进会相互影响
这几类改进会相互影响
26:26.333–26:28.766
zh最终决定开放的能力能不能以普通
最终决定开放的能力能不能以普通
26:28.766–26:31.733
zh用户用得起用得明白的方式出现
用户用得起用得明白的方式出现
26:31.900–26:33.800
zh它能否继续扩大影响
它能否继续扩大影响
26:33.866–26:36.600
zh要看接下来的复现与工程工作
要看接下来的复现与工程工作
26:36.733–26:39.700
zh能不能把模型成绩变成稳定交付
能不能把模型成绩变成稳定交付
26:40.100–26:41.200
zh对用户而言
对用户而言
26:41.333–26:44.533
zh值得期待的是更多可验证的选择
值得期待的是更多可验证的选择
26:44.600–26:47.500
zh一个模型不需要在所有问题上获胜
一个模型不需要在所有问题上获胜
26:47.566–26:50.266
zh才有机会改变某一类工作的成本
才有机会改变某一类工作的成本
26:50.533–26:53.566
zh但只有真正把那一类工作做可靠了
但只有真正把那一类工作做可靠了
26:53.566–26:55.866
zh开源发布才算兑现了价值
开源发布才算兑现了价值

影片筆記：DeepSeek V4視覺模型驚世發布，OpenAI這下真的坐不住了？😱

<!-- 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；下列為待處理問題，建議播放原片確認。

  • 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

DeepSeek 發布實驗性多模態模型 V4 Flash Vision EXP，透過開放權重與代碼讓開發者介入輸入處理鏈路；影片強調需謹慎解讀官方測試成績（部分進步僅因獲得新輸入而非推理能力提升），並建議在報銷、文檔等場景採用「模型識別 + 規則驗證 + 人工覆核」的分層架構以控制風險與成本。

核心重點

  1. 模型定位與開放性：
  • DeepSeek V4 Flash Vision EXP 是 V4 家族首個實驗性多模態模型，基於 V4 Flash 架構加入視覺模塊並繼續訓練。
  • 在 Hugging Face 公開倉庫中包含權重、配置、參考推理代碼及提示編碼，賦予開發者檢查與調整輸入處理鏈路的權利，而非僅提供黑盒接口。
  • 採用 MIT 許可證，使用者擁有控制權，但也需自行承擔數據隱私、版本維護與成本結構變化的責任。
  1. 測試成績的謹慎解讀：
  • 變量控制：部分測試（如 ApexBench）舊模型未使用多模態輸入，新模型的進步主要反映「獲得新輸入後的表現變化」，而非純推理能力的絕對提升。
  • 專業與通用的差異：在專業圖表理解（Chartography）上表現接近閉源模型（Opus 4.8），但在代碼生成（NL to Repo）任務上仍有顯著差距。
  • 測試條件限制：成績基於 Deepseek Harness minimal 模式、最高推理強度及特定參數（Temperature 1.0, Top P 0.95），換配置或縮短思考預算可能無法復現。
  1. 技術架構與工程現實：
  • 結構：由視覺編碼器與對齊模塊組成，支持圖像與文字交錯輸入。
  • 混合專家 (MoE)：256 個路由專家，每個 token 選擇 6 個。誤區在於不等於只需存儲被選中的專家，實際部署需處理全量權重及運行時資源。
  • 低精度與上下文：專家權重採用 FP4，設置 FP8 量化以降低成本，但需驗證精度變化；最大上下文窗口為 1048576 token，但容量不等於能準確利用每一個細節。
  • 參考實現 vs 生產服務：公開代碼為參考實現，非生產級引擎，未優化吞吐和調度，長期服務需處理請求排隊與資源分配。
  1. 應用設計與風險控制：
  • 分層架構建議：在報銷單據、文檔整理與網頁測試等場景，建議採用「模型識別 + 規則驗證 + 人工覆核」的架構。
  • 價值評估：應關注「減少多少人工搬運」與「增加多少檢查成本」，局部可靠的能力比全能模型更有價值。
  • 安全與隱私：截圖可能包含敏感信息，需弄清楚資料去向；圖片中的文字可能夾帶指令注入風險，系統應分清材料和授權。

詳細大綱

I. 發布背景與模型定位

  • 模型名稱：Deepseek V4 Flash Vision EXP（EXP 代表實驗性質）。
  • 技術基礎：基於 V4 Flash 架構，加入視覺模塊並繼續訓練。
  • 歷史背景：Deepseek 此前在 Janus 系列已探索多模態，此次進展在於視覺模塊進入 V4 Flash 路線。
  • 開放內容：Hugging Face 公開倉庫，包含權重、配置、參考推理代碼及提示編碼。

II. 視覺能力的重要性與誤區

  • 現實工作需求：大量信息（圖注、截圖、頁面佈局）無法僅通過文字傳達，需處理位置與關係。
  • 常見誤區：
  • 不能將「Vision」等同於實時視頻、語音對話或圖片生成。
  • 不能僅憑「會看圖」就認為能解決所有問題。
  • 識別數字不等於理解圖表含義（單位、對象、預測值關係）。
  • 核心價值：減少信息損失，避免文字流暢但事實關係錯誤的分析。

III. 官方測試成績的深度解讀

  • ApexBench (Pass@1)：
  • 視覺實驗版 (36.5) > V4 Flash 0731 (26.2) > Opus 4.8 (39.4)。
  • 關鍵腳注：舊模型 (0731) 忽略了輸入中的多模態元素。
  • 結論：進步反映的是「完整系統獲得新輸入後的表現」，而非純推理能力在同等條件下的提升。
  • Agents Last Exam：
  • 視覺實驗版 (27.3) > 0731 (25.2) > Opus 4.8 (25.7)。
  • 結論：領先幅度有限，非壓倒性勝利。
  • Chartography (專業圖表)：
  • 視覺實驗版 (64.3) vs Opus 4.8 (65.0)。
  • 結論：成績接近，觸及業務難點（坐標標註、幾何關係），但不可直接等同於行業自動審批通過率。
  • 0Bench (多次嘗試)：
  • 視覺實驗版 (35.0) > 對照模型 (34.0)。
  • 結論：考察「5次嘗試中至少成功1次」，不等於部署時系統能自動篩選正確答案，需人工驗證成本。
  • 文字任務影響：
  • 新增視覺後，文字任務表現未受犧牲，反而高於對照分數。
  • CyberGame (代碼/邏輯)：
  • 視覺實驗版 (75.3) < 0731 (76.7) < Opus 4.8 (78.3)。
  • 結論：能力變化方向不同，不能選取上漲項目宣布全面升級。
  • NL to Repo (自然語言轉代碼)：
  • 視覺實驗版 (57.7) vs Opus 4.8 (69.7)，相差 12 個百分點。
  • 結論：差距明顯，其他項目領先無法補償此類任務的交付損失。
  • 測試條件限制：
  • 使用 Deepseek Harness minimal 模式，最高推理強度，Temperature 1.0, Top P 0.95。
  • 成績是模型與運行框架的組合結果，換配置或縮短思考預算可能無法復現。

IV. 技術架構與工程實現細節

  • 結構組成：視覺編碼器（處理圖像）+ 對齊模塊（將視覺表示接入語言模型）。
  • 輸入處理鏈路：
  • 圖片需經過尺寸和像素處理。
  • 公開了圖文提示編碼參考，支持圖像與文字交錯。
  • 關鍵風險：圖像順序對調（如修改前後界面比較）會導致模型答錯對象，需確保編碼階段保持對應關係。
  • 混合專家結構 (MoE)：
  • 256 個路由專家，每個 token 選擇 6 個，含共享專家。
  • 誤區：不等於只需存儲被選中的專家，實際部署需處理全量權重及運行時資源。
  • Flash 含義：表達產品路線，非硬件配置單，速度受硬件帶寬和推理實現影響。
  • 低精度設置：
  • 專家權重 FP4，設置 FP8 量化。
  • 目標是降低存儲或計算負擔，但收益取決於實現與硬件支持，需驗證精度變化。
  • 上下文窗口：
  • 最大位置數 1048576（約百萬 token）。
  • 區分：容量不等於能準確利用每一個細節。長報告中多頁圖表、不同口徑指標會增加混淆風險。
  • 參考實現 vs 生產服務：
  • 代碼為參考實現，非生產服務引擎。
  • 生成循環為直接自回歸採樣，未優化吞吐和調度。
  • 接成長期服務需處理請求排隊、資源分配和失敗恢復。

V. 應用場景與系統設計建議

  • 報銷單據處理：
  • 模型提取候選字段，程序核對總額和日期格式，異常部分交给人。
  • 優勢：錯誤易於定位（金額、加總、審批原因）。
  • 文檔整理：
  • 掃描件排版複雜、表格跨頁、圖注夾雜。
  • 優勢：減少轉純文字時的結構丟失。
  • 要求：保留頁碼與證據位置，便於回溯。
  • 網頁任務測試：
  • 識別按鈕位置僅是起點，需觀察點擊後是否成功、是否有新確認步驟。
  • 視覺模型參與判斷屏幕內容，但不自動獲得付款權限。
  • 標準：可描述、可複查的要求，而非主觀的「看起來不夠好」。
  • 競爭標準：
  • 價值應落在「減少多少人工搬運」與「增加多少檢查成本」。
  • 局部可靠的能力比全能模型更有價值。

VI. 安全、隱私與成本結構

  • 數據隱私：
  • 截圖可能包含帳號、個人身份、內部系統界面。
  • 上傳後進入新處理鏈，需弄清楚資料去向、記錄保留及故障排查時的複製情況。
  • 自行部署給予控制權，但不自動等於數據安全（需防止日誌記錄敏感圖片或管理權限未分開）。
  • 指令注入風險：
  • 圖片中的文字可能夾帶試圖改變任務的指令。
  • 系統應分清材料和授權，約束模型能使用這些信息做什麼。
  • 成本結構變化：
  • 自建服務需承擔計算資源、接入和日常運維。
  • 任務量少時機器空閒產生費用，任務突增需擴容。
  • 使用接口則有計費與服務依賴。
  • 關鍵指標：處理完一份達到要求的資料，總共花了多少資源和人工時間。
  • 便宜模型反覆答錯再讓專家補救，未必比一開始選擇合適方案省錢。

VII. 生態接入與未來展望

  • Openclaw 2.0：
  • 發布說明將 Deepseek V4 Flash Vision 實驗模型列進模型發現更新。
  • 意義：周邊工具開始識別相關模型，但僅是發現與接入層面，需分別驗收「找得到」與「接上後持續交付」。
  • 社區反饋與驗證：
  • 成功運行分享僅代表個人環境，失敗報告不能直接證明對所有人不可用。
  • 積累證據需清楚的版本、硬件條件、輸入及可重複結果。
  • 中文場景驗證：
  • 官方成績表未披露簡體中文票據、繁體字截圖或中英混排文件的專項結果。
  • 錯誤可能發生在字符或對應關係，需單獨驗證。
  • 樣本應區分錯誤嚴重程度（如圖標題多一字 vs 金額小數點看錯）。
  • 最終結論：
  • 發布的紮實意義在於讓 V4 路線補上可公開研究的視覺理解能力，並給出可討論優劣的測試與實現。
  • 部分項目顯示競爭力，其他項目仍有差距。
  • 實驗狀態、部署成本和業務可靠性應留在同一張判斷表里。
  • 只有真正把某一類工作做可靠了，開源發布才算兌現了價值。

工具 / 模型 / 名詞整理

  • Deepseek V4 Flash Vision EXP：Deepseek 發布的實驗性多模態模型完整名稱。
  • Deepseek V4 Flash：模型架構基礎。
  • Deepseek V4：模型家族名稱。
  • Opus 4.8：用於對照的閉源模型（逐字稿原文）。
  • Janus 系列：Deepseek 此前探索多模態理解與生成的系列。
  • Hugging Face：公開模型說明、權重及相關文件的倉庫平台。
  • ApexBench：測試基準之一，提及 Pass@1 成績。
  • Agents Last Exam：測試基準之一。
  • Chartography：關注專業圖表理解的測試基準。
  • 0Bench：考察多次嘗試中至少成功一次的指標。
  • CyberGame：測試項目之一，涉及代碼或邏輯能力。
  • NL to Repo：自然語言轉代碼的測試項目。
  • Deepseek Harness：官方披露文字代理測試使用的框架，提及 minimal 模式。
  • FP4：專家權重的低精度設置。
  • FP8：量化信息設置。
  • Openclaw 2.0：發布說明中將 Deepseek 模型列進模型發現更新的周邊工具。
  • MIT 許可證：官方倉庫使用的開源許可證。

操作流程整理

  1. 模型接入與配置檢查：
  • 從 Hugging Face 獲取 Deepseek V4 Flash Vision EXP 的權重、配置及參考推理代碼。
  • 檢查輸入處理鏈路，確保圖像與文字交錯的提示編碼正確。
  • 驗證硬件支持（如 FP4/FP8 量化效果）及混合專家結構（MoE）的資源分配。
  1. 輸入數據處理：
  • 對圖像進行尺寸和像素處理。
  • 確保圖像順序與文字描述的對應關係（避免順序對調導致對象錯誤）。
  • 區分數據隱私，確認截圖中的帳號、身份或內部界面信息去向。
  1. 推理與驗證執行：
  • 運行模型進行識別或生成（如圖表理解、代碼生成）。
  • 若為生產環境，需處理請求排隊、資源分配及失敗恢復（參考實現未優化吞吐）。
  • 對於複雜任務（如報銷、網頁測試），採用「模型識別 + 規則驗證 + 人工覆核」的分層架構。
  1. 結果評估與風險控制：
  • 核對模型輸出是否符合業務規則（如總額、日期格式、按鈕點擊後狀態）。
  • 評估成本效益：計算處理單份資料的資源與人工時間，判斷是否比直接選擇合適方案更節省。
  • 監控指令注入風險，約束模型對圖片中夾帶信息的處理方式。

值得注意的限制或風險

  1. 測試成績的誤導性：
  • 部分測試（如 ApexBench）舊模型未使用多模態輸入，新模型的進步主要反映「獲得新輸入後的表現變化」，而非純推理能力的絕對提升。
  • 測試基於特定框架（Deepseek Harness minimal 模式）和參數，換配置可能無法復現成績。
  • 在 NL to Repo 等任務上與閉源模型（Opus 4.8）仍有顯著差距。
  1. 工程部署現實：
  • 公開代碼為參考實現，非生產級引擎，未優化吞吐和調度。
  • 混合專家結構需處理全量權重及運行時資源，不等於只需存儲被選中的專家。
  • 長上下文窗口（1048576 token）容量不等於能準確利用每一個細節，多頁圖表易增加混淆風險。
  1. 安全與隱私風險：
  • 截圖可能包含敏感信息，自行部署需防止日誌記錄敏感圖片或管理權限未分開。
  • 圖片中的文字可能夾帶指令注入風險，試圖改變任務。
  • 數據上傳後進入新處理鏈，需弄清楚資料去向、記錄保留及故障排查時的複製情況。
  1. 成本與維護責任：
  • 採用 MIT 許可證賦予控制權，但也要求使用者自行承擔數據隱私、版本維護與成本結構變化的責任。
  • 自建服務需承擔計算資源、接入和日常運維，任務突增需擴容。
  • 便宜模型反覆答錯再讓專家補救，未必比一開始選擇合適方案省錢。

逐字稿辨識疑點

  • OPPO4.8 / Opus 4.8：逐字稿中交替出現「OPPO4.8」與「Opus 4.8」。根據上下文（與 Deepseek 對照的閉源模型），「OPPO」極大可能是聽寫錯誤，但依規則標記為需查證，不得自行更正。
  • apexbench：逐字稿中出現「apexbench」與「ApexBench」，大小寫不一致，標記為需查證標準寫法。
  • agents last exam：逐字稿中出現「agents last exam」與「Agents Last Exam」，大小寫不一致，

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習