逐字稿文字預覽
各位朋友大家好。歡迎大家關注昆蓬道。今天告訴大家一個好消息。Deepseek V4.1 Flash這個模型正式開源了。 那它目前已經把它的模型全中上傳到Hugging Face了。然後官方提供的是一個應該是一個FP8的格式的一個模型。 模型全中的510個G。我們來看一下它相關的一些參數。那本次它是一個552B的一個大模型。也是一個MOE的架構。 然后他本次调整的那个是他的一个CDE的架构 就是由原来的40层的这个转换器 然后现在优化成了改成20层的英国编码器和后面接了20层的解码器 这样的话能够实现前局的KV缓存来进行加速 就是让他能够实现就是预填充的时候 它是一个激活参数是8B的 然后解码的时候它的速度是16B的 这样的话又实现了一个全新的一个技术架构 能够实现大模型的一个推理速度加速 然后本次它的这一次的模型 已经全量在他们官网上线了 而且它官网已经把Deepseek v4 Pro 已经路由到它的Deepseek v4 Flash 4.1的模型上面来了 而且它经过它的架构优化 能够让它的kb缓存降低了 就是降低到原来的1% 另外一个就是他用了一个压缩的吸收注意力的算法 然后能够实现也是一个主要是用来加速的 在各个层级用的吸收索引器 然后来进行限制索引 然后实现的一个推理的一个加速 我觉得这块确实在DeepSick在这方面 还是做了很多的一个功夫 另外的一个就是他的一个MHC 这个之前他已经在他的开源的项目里面 也多次提到过 包括他的enggram的一个存储器 然后很早的时候 应该是在25年11月份左右的时候 他开源出来的 另外一个就是他本次是一个全新的 完整的多模态的一个大模型 他跟原来Deepseek v4 flash 相当于在前面加了一个补丁包 不一样的是他本次的多模态 是用了Deepseek v4的一种技术架构 然后它是从预训练的时候 就已经开始用到了多谋态的一个预料 来进行训练 所以他说它是一个原生的多谋态大模型 这个是没有问题的 我们可以看一下它的一个分数 它本次也很克制 然后它在Terminal Branch Center上面的话 能拿到了一个30分 然后比Kimi5.3都要好一些 然后比Opus5还是差的很多 我们可以看一下 然后和GPT5.6 其实GPT6一出来了 所以说还是有很大的一个差距的 在国内在Terminibank上面 当然这些 这叫什么 这些压测的测试的数据集 包括算法都是国外的他们做的 有可能都是由OpenAI或者说Cloud他们定义的 就谁定义谁说算嘛 他肯定的数据会好一些 当然了这个不能绝对 人家的模型确实我们承认他比较先进 另外一个在Deep SWE上面 v1.1的版本测试数据以上的话 他应该是拿到了一个最好的成绩 然后在安全的测评的上面也拿到了一个88分 然后在自动化上面也拿到了一个54分 目前我看到网上很多的用户评论说 把它接到Deepseek里面去 目前接到Codex里面去用Codex Computer Use 是目前性价比和成功率最高的模型之一 除了Deepseek 除了GPT官网之外 然后本次算是Deep Seek真正的机身 然后世界前沿级的大模型 多模态加一照上下文态这个梯堆 目前国内相当于是第三家 第一家相当于是Kimi 第二家相当于是千问 但千问38刚开始推出来的不是多模态的 我也很奇怪 不知道他现在是不是 我们就把它放在这一列里面 因为我之前说国内只有一家的时候 就有人在评论区说千问也是 我记得千问38刚出来的时候 它是一个文本的多模态 因为大家都知道我其实没有做测试 就是没有深入的测试 卖Token Plan 然后限制太多了 所以我就放弃了 然后这个是它的整个的一个测评的一个分数 比如说在各个领域 然后还是非常亮眼的 这个黑色的就表示 它是目前的在已知的测评的这些里面 效果是最好的 我们可以看一下 这个是它的一个base模型 和它的对就是这个模型 它在很多的参数已经非常接近V4 Pro和已经超过的Pro的模型 所以说他们官网已经把这个Pro路由到这个模型上面来 第一个是为了降低它的一个推理成本 第二个也是因为这个模型的能力确实提升非常明显 还有一个的最主要原因是网上被很多用户吐槽 Deepstick V4 Pro的幻觉比较严重 实际上我使用下来整体感觉还是非常不错的 这些测评的分数我们就不一一讲 因为刚才我们已经带大家看了一下 它跟国外的这些模型的做一些对比 其实我们可以看到目前它应该是 牺牲到了国内的大模型的第一体队 毫无疑问 所以说DeepSick还是非常强的 目前它官方还没有去推出 然后VM和SGLAN部署的 然后我相信应该很快 VM和SGLAN就有对您的支持 就算没有对您也有对一的支持 刚才我们在一个我们私有化 部署大模型的群里面就有人说 今天晚上想蹲一个4.1的本地部署 我感觉够呛 其实我们手上也有机器 但是不打算部署了 因为它500多G的话 说实话我们就算部署起来的话 速度应该也不会很快 还有一个原因是 它官网的版本应该是加了Dspark 然后进行加速 但是它开源的版本里面 我刚才翻了一下 它的文件里面好像没有相关的一些描述 我们再等一等看看 三方会不会把Dspark给它接入进去 他官网的现在这个速度 我相信他应该是把despark已经接入进去了 那好的 如果你对大模型感兴趣的话 可以关注一下 然后来在你的API里面切换一下 其实我上一个视频里面也已经讲到了 就是DeepSick最新的模型 然后我们来也看一下同步的 看一下他们最新的官网的一个描述 我们可以看到他的官网又更新了 原来右侧的是一个招聘的 现在不招了 也不是不招了 他应该是更新了一个 然后我们来到它的开放平台上 我们来看一下 这个是它的接口文档 我们重点看它模型的一个更新 目前在它的接口文档里面 还是两个模型 所以说我们可以看一下模型和价格 冰干压我记得还有一个 Dipsick Flash Dipsick V4 Pro 它把它的模型 这个4.1 Flash 已经直接切换成这个了 我们来看一下它的 模型名称使用Deepseek V4 Flash 就可以接入到新的模型里面来了 然后旧的V4 Flash和Flash Vision XP 还可以调用 它应该是已经把它路由到 Deepseek V4 E Flash这个模型上面来 然后它的统一名称叫Deepseek V4 Flash 没有V4就是Deepseek Flash模型 新的模型的话 你可以直接使用Deepseek V4 Flash 也可以使用Deepseek Flash 都可以来做我介入 我再给大家带大家来看一下 我们来到我们的7166里面 带大家来做一次配置一下 其他的所有的三方的工具都是一样的 OK OK。我們在這裡面添加一下模型。OK。添加模型。來做一下檢測。 连接失败 我这个账户应该是欠费的 正好我今天也开玩了一个 我自己的一个本地的大模型的一个推理的框架 然后同时也支持云端 先简单给大家介绍一下 我们这里面有对话 有agent还有视频的通话的 包括这种可以本地和云端的模式 可以跟他先打电话 但是我这个电脑没在我旁边 所以说没办法进行沟通 我们先把它挂了 回头给单独给大家测试 然后这一块是生成本地去生成TTS 然后可以使用Edge TTS 也可以使用所谓OpenAI兼容的协议的 来进行本地去生成音频 这块是生图的 然后也可以用本地的MRX生图 也可以使用云端的一个生图 然后我们可以看一下之前历史生图的一些效果 这是生图的 还有一个OCR 然后上传文档 然后进行OCR提取 这是这个 除了这个之外 我们还有翻译 这是翻译的内容 中英文翻译 还有一个提示词 我们有一个提示词仓库 然后把它集成进来了 而这个仓库也已经在GitHub已经开完了 我们在这个里面就是我们的一个模型 我们可以看一下 Deepseek v4 flash 还有Deepseek flash 这个模型都已经可以了 在我们这个工具里面也可以调用了 我们来给大家测一下 来切到Deepseek v4 flash Deepseek flash 这个模型 OK 我们可以看一下 不欠 是这个吧 我这个好像有点小问题 我再试一下我们的agent 应该是可以调通的 是没有问题的 然后这个对话应该也是可以的 我再新建一个对话试一下 稍等一下 我们来切换一下 ok 是没有问题的 那好的 今天就介绍在这 谢谢大家 如果大家感兴趣的话 我们这里面的支持的 我们自己的自带的 还Deepseek 千问 质朴 Kimi 豆包 文心一言 腾讯 Binimax 科大讯飞和借阅的 所以这些厂商的大模型在支持 我们内置了一个agent 这个agent是py agent 然后还有一些其他的相关的一些功能 然后主打的就是本地推理 那再顺便再多说两句吧 我们这里面在本地区部署大模型 支持Nameter CPP VRM和SGLAN 然后进行部署 然后在模型库里面 我们有一些自己挑选的模型 可以在这里面来进行管理 然后也可以在这里面进行搜索 下载GGOF格式的 然后这个模型也可以在国内进行下载 我已经做到加速 然后我们把本地的这些模型 启动起来之后 我们做了一个统一的网关 然后接着OpenAPI的一个协议的 VModel然后Chatter 然后Response和VMessage和Speech 然后转翻译的和生图的都有了 后面我们还会打算把minimax H3接进来 好的 今天就介绍在这 谢谢大家
本次執行流程與問題處理
下達指令
預期流程
- 下載與語音辨識
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：511.6 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：42.1 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.2 秒
關係：依序執行
結果：完成
4. 句子密度平衡
工具：videonote_balance_sentence_units.py
處理：平衡句子長度與密度
產出：sentence_units.json（句子單元）
耗時：0.2 秒
關係：依序執行
結果：完成
5. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.2 秒
關係：依序執行
結果：完成
6. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.3 秒
關係：依序執行
結果：完成
7. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.3 秒
關係：依序執行
結果：完成
8. 逐字稿交叉檢查
工具：videonote_cross_check_transcript.py
處理：交叉檢查逐字稿與來源字幕
產出：transcript_crosscheck_report.json（交叉檢查）
耗時：0.3 秒
關係：依序執行
結果：完成
9. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.4 秒
關係：依序執行
結果：完成
10. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：98.7 秒
關係：依序執行
結果：完成
11. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.8 秒
關係：依序執行
結果：完成
12. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.9 秒
關係：依序執行
結果：完成
手動來源字幕
- 尚未產生
自動來源字幕
Whisper 字幕
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
- 校正前 transcript.whisper.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 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。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。