逐字稿文字預覽
大家好,欢迎来到新视频。 开始之前,我也想告诉大家。 Deep Seek的Harness也有新更新 我会在另一个频道ARC King上讲 Deep Stick V41 Flash现在已经正式发布了 经过我用正确的Finting设置测试后 我觉得这个模型真的很强。 另外还有一份技术报告 解释DC是怎么让这个模型更高效的 先看看到底新在哪 然后我会给你看这些生成结果 以及我给这些分数背后的代码 Deep-C把Flash称作新架构家族里最小的模型。 但报告里写的是 它的主干是一个5520亿参数的Mix of Experts 再加上1960亿参数的Ngram Memory Modules 它还是个巨大的模型 真正有意思的是它实际激活了多少参数 处理输入时大约激活80亿参数 生成输出时则是160亿 新的英国编码器解码器设计 让大多数输入Token可以跳过完整的Decoder计算 这很重要 因为Coding Agents会花很多时间读文件 看工具结果 还有对话历史 Deepsea还表示在相同工作负载下 Global Attention Cache的GPU显存用量大约只有上一代的四分之一 Persistent Cache的存储占用只有八分之一 这些节省都适用于缓存的上下文 它们有助于解释更低的服务成本 但并不意味着整个模型一下子变小了 原生视觉理解意味着你可以把图片和文字一起发过去 收到文字回复 我这里的测试主要是看它在文本提示下写代码的能力 所以视觉能力算是这次发布的一部分 而不是我在这个视频里专门做过基准测试的内容 官方公布的结果也挺有说服力 DeepSeq报告的DeepSW1.1成绩是74.2 而V4 Pro是62.7 这里说的是他们在最高投入下的结果 在一些更难的基准测试上 其他模型还是领先 而且报告也显示 围绕模型的Agent软件会影响最终分数 所以我想看看它在开源代码里能做什么 现在 我得纠正一下我最初的印象 我原来那篇开源代码模型的条目里 Thinking是被禁用的 我一开始怀疑这是回退了 不过 开启Thinking并把Effort调到最高后 分数从53.75提升到了81.25% 保存的绘画里有大量推理输出 生成结果也明显更好了 这些测试是在今天发布前 使用临时的API模型跑的 我还没有用新的正式版 模型名重新跑一遍套件 这些是我上手预览的结果 外加官方发布信息 我没有证据表明 DIPS在第一轮偷偷用了一个更弱的版本 Teambench 3有8个任务 每个任务10分 这是我的实际评分 我还打开了生成出来的界面 检查了代码 并保留了原始输出 那我们直接开始 首先是电梯模拟 这里应该有三部电梯 每部在一个人 人们在不同楼层等待 乘坐空闲的电梯 前往各自的目的地 把鼠标悬停上去时 应该能显示他们想去哪里 看新的结果 楼洞布局很清楚 三部电梯警都显示出来了 乘客也在各自楼层排队 你可以看到人们上车的过程 还能看到等待运行中和 以到达的技术在更新 在浏览器里检查时 生成了两批个24个人 两批加起来数量都对 48名乘客全部到达 而且任何时候都没有一部轿箱 同时在超过一个人 技术器 在这次运行里也一直保持一致 之前 舱势会消失在屏幕外 人也会被画到错误的位置 新代码还会清理已经完成的乘客元素 这对重复使用很有帮助 现在还有一个重置边缘情况 如果你在错开的生成 还在进行时清空模拟 之后可能还会出现一些带处理的乘客 但主要模拟已经能正常工作了 这部分从三分提升到了十分里的八分 第二个任务是隐形眼镜盒 我想要一个3D物体 L和耳标时要很明显 盖子点击后能打开 这个版本就可信多了 现在有一个干净的白色和尘 薄荷绿的盖子 还有大号清晰可读的字母 两个盖子可以分别打开 而且两个都打开按钮 也确实如字面所示 你也可以再把它们关上 然后旋转这个物体来查看 之前的版本还有 字母有些破碎 但在盖子下面 能看到一个看起来很实的表面 这里的结构是围绕脚链组织的 所以动作逻辑就对了 虽然内部空间看起来还是有点浅 而且默认镜头在盖子完全打开时 会把边缘裁掉 所以还需要再打磨一下 但这已经比提示词的理解好多了 七分原来只有五分 接下来是折叠桌 这在第一次生成时是最明显的失败之一 因为桌面是飘着的 桌腿还埋在地下 这次展开后的桌子稳稳地立着 能看到四条腿 木质表面也不错 滑块反应很顺 折叠部件也能作为一个整体保持在一起 看看这两个结果的差别就知道了 这段代码把腿连接到了合适的运动部件上 解决了前面那个核心问题 不过在完全折叠的状态下还是会扣分 腿部横杆会和叠在一起的桌面板块相交 所以整个机构并没有从头到尾都做到物理上干净 我给它六分 满分十分 它确实有进步 但也很能说明模型还有哪些地方需要继续检查 第四个任务是熊猫吃汉堡的SVG 这个版本构图更干净 表情也更生动 汉堡的层次还挺清楚 爪子和一点点碎屑也增加了些趣味 它是一副紧凑 完整的插画 而且渲染的也正确 剩下的问题是动作表现 看起来更像熊猫抱着汉堡 而不是在咬它 所以我更喜欢这张插画 但它还没有完全抓住那个动作 这个提示词打了六分 之前是五分 现在这个弓箭游戏在视觉上是最明显的提升之一 我们有日落场景 背景里的群山 一个弓箭手 四个目标 还有一个清晰的计时器 拖动瞄准再松手 感觉更像真正的射箭游戏了 核心射击流程是通的 在浏览器检查里 四只箭都命中了四个目标 目标被击中后也倒下了 游戏内计时器显示 这一轮四箭用了6.10秒 这说的是游戏玩法表现 和模型生成游戏所花的时间是分开的 我的评分表上这是8分 比之前的5分高了不少 不过代码审查也发现了一个 我必须说明的半 这样就不会弹出结果页面了 所以在那次检查里 分数没能保存 射击分为合命中反馈都不错 但完成流程还需要修 这也是为什么不能只看低评 第六个任务是那个数学题 考的是在受限移动条件下 统计有序对的排列数 预期答案是20460 这次保存的绘画里 最终答案很清楚 而且是对的 还有一个SOVER可以再跑一遍 我又跑了一次 结果得到了20460 而且和他检查过的小样本上的暴力枚举 结果一致 模型发现了自己最初转移逻辑里的一个错误 把它改正了 还先拿小规模暴力样例 验证了修正后的算法 然后才给出最终答案 这种解题行为非常有用 所以这是十分里的十分 现在还有一条更清晰的证据 练来支持这个结果 第七个任务是本地Panda微调工作流 我让它创建数据集 微调一个JM2B模型 再做一个本地网页界面 刷新时生成一条Panda冷知识 结果很不错 这个项目里有一个完成了700次迭代的LORA训练 保持了Adductors 还有一个能正常运行的本地应用 数据集里有151条人工编写的事实 之前版本只有127条 服务方式也更简单了 模型和Adductors通过MLX直接加载 并使用Tokenizer的Chat Template 这样就去掉了上一个方案里 额外的导出步骤和手写模板层 界面也挺好看 有一张简单的Panda插画 一个清晰的事实卡片 还有一个生成新试试的按钮 布局在手机上也能正常显示 刷新页面和点击按钮 都可以生成新的内容 在评审过程中模型产生了回复 五个样本身程度很干净 是完整的单据 没有我们之前看到的那些多余标记 两次本地直连请求各花了大约半秒 这是本地微调后的GEM模型在回答 和DeepSeek的API生成速度是分开的 我把这个任务打了10分 比之前的6分高 不过还是要说明 数据质量仍然有一些限制 所有验证答案 其实都已经出现在训练集中 测试文件是复制的训练性 而且有些人工编写的事实并不准确 在评审过程中 Refresh还重复了一条事实 所以完成整个工作流 并不能说明 每个生成出来的Panda结果都可靠 但能把训练和本地应用这样跑通 还是很厉害的 最后是这只手表 这大概是我改观的最佳视觉证明 第一版的表盘还是一整块金色表面 现在有了更细致的表盘 清晰的指标金属表带 能读的星期和日期窗口 汇动的指针 还有一个第二时区的小表盘 整体观感精致多了 交互也没问题 你可以选两个时区互相切换 开关星期和日期显示 还能在扫秒和跳秒之间切换 控制检查也通过了 说明设计下面那些关键部分也没问题 指针在午夜时能准确对齐 梦买的半小时偏一夜 有效了 纽约的下令时切换也正常 第二个时区能正确滚到第二天 代码还附用了时间格式画起 避免像旧版本那样每一针都重复创建 视觉结构和时钟逻辑终于配合起来了 我真的很喜欢这个结果 它从四分涨到了十分 是复册里提升最大的一个 现在我们来看最后的图表 电梯8分 隐形眼镜和7分 桌子6分 SVG6分 射简8分 数学 Fine Tuning Workflow和手表都是10分 总分是65分 满分80分 也就是81.25% 不开启思考时的成绩是80分里的43分 修正配置并重新跑任务后 我们竟提升了22分 也就是27.5个百分点 这个新分数也高于我之前V4Flash的72.5% 以及V4Pro条目的76.25% 它在这个排行榜上 和Gemina3.8Flash打平 只比Open4 8的80%高一点 虽然没排到总榜第一 但这个结果已经非常有竞争力了 再说速度 我看了OpenCode日志 它为这个新的测试文件夹 保存了绘画记录 共有64条已完成的模型回复 有可用的Token数和时间记录 像绘画标题 这类后台调用都被排除了 另外还排除了一条 没完成的Restorch回复 在这些已完成的回复里 一共生成了364574个Token 大约294000个是Risning Tokens 另外大约70 000个是正常生成的Token 包括Code2调用参数和答案等其他输出 所以 这次生成的Token大多都用在了思考上 这两个数字都包含了Risning 它们是根据OpenCode的时间 戳重建出来的估算值 它们不包括后面执行工具花的时间 也不是服务器内部解码速度的精确测量 我把每次响应的时长加总了 所以同时跑多个任务 不会把单次响应速率认为太高 我觉得这很厉害 他一边处理多个任务 一边花了几万tokens做listening 同时还能保持很高的生成速度 完整任务耗时能让你从另一个角度来看 电梯任务大概花了4分20秒 SVG任务大约11秒 本地翻桌的流程大约花了11分38秒 包括搭建环境训练和检查APP的时间 所以最高强度的思考可能意味着成品要等更久 在这次附色里 这些额外的工作带来了结果的大幅提升 这个取舍我很满意 现在API价格已经上线了 非高峰时段 每百万未缓存输入token15美分 每百万输出token60美分 高峰时段输入是30美分 输出是1.2美元 缓存输入在非高峰时段每百万Token 只要0.3美分 高峰时段价格翻倍 我会把当前的价格表面接放在下面 要使用这个已发布的模型 请选择DeepSeek API地址 DeepSeek在支持的工具里列出了OpenCode 记得把Thinking打开 并把Efford设为Max 如果你想看这次回测用的配置 旧的V4 Flash模型已经退役了 API名字会临时录游到V4.1 Flash V4 Pro的请求会在9月14日UTC凌晨4点开始按Flash价格录游到V4 E Flash直到V4.1 Pro发布 如果你依赖Pro模型名 这个时间点就很重要 Rizni也会消耗可计费的Output Tokens 所以即使把Effort设到最高还是会有成本 不过结合这个定价实测速度和81.25%的结果V4 E Flash还是一个很有吸引力的编程选择 DeepSea还分享了技术报告和模型仓库 并表示他正在于 开源社区在推理支持和部署选项方面 我的看法有了很大变化 因为Max开启了Thinking Mode 这个模型在我的测试里表现得非常不错 尤其是在万表和本地模型工作流上 电梯案例也很清楚地说明 改进不只是界面更好看 不过还有一些bug要处理 表格和SVG的分数较低 说明他并不是每个任务都一样强 但我还是会非常愿意重新看看 他在编码上的表现 配置错误让第一次印象不太公平 这次复色让我们看到了更真实的情况 总体来说挺酷的 总之 欢迎在评论区告诉我你的想法 如果你喜欢这个视频 可以通过Super Thanks打赏 或者点击中按钮成为会员 另外 给这个视频点个赞 订阅我的频道 我们下期见 拜拜
本次執行流程與問題處理
下達指令
預期流程
- 自動字幕優先，Whisper 作為備援
- 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：342.6 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：44.7 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：0.8 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：0.8 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：0.8 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：0.9 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：0.9 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：0.9 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：1.0 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：123.0 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：1.1 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：0.1 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。