WEBVTT
Kind: captions
Language: zh-CN

00:00:00.000 --> 00:00:00.900
问大家一个问题

00:00:00.900 --> 00:00:02.600
各位现在在用AI吗

00:00:02.600 --> 00:00:03.500
如果用的话

00:00:03.500 --> 00:00:04.720
想必应该跟我一样

00:00:04.720 --> 00:00:05.940
花了不少订阅费吧

00:00:05.940 --> 00:00:06.760
我也一样

00:00:06.760 --> 00:00:08.760
所以在纠结了N多天之后

00:00:08.760 --> 00:00:11.300
我决定买一台M5 Pro的笔记本

00:00:11.300 --> 00:00:26.240
那就像上个视频说的

00:00:26.240 --> 00:00:27.100
一周之后

00:00:27.100 --> 00:00:29.380
我收到了我买的M5 Pro的笔记本

00:00:29.380 --> 00:00:31.660
在开始扎根它的性能之前

00:00:31.660 --> 00:00:32.600
不得不说

00:00:32.600 --> 00:00:34.280
全新的M5 Pro笔记本

00:00:34.280 --> 00:00:35.580
黑色的外观

00:00:35.580 --> 00:00:37.840
键盘真的是非常的漂亮

00:00:37.840 --> 00:00:40.560
那跟我M1 Pro的笔记本相比起来

00:00:40.560 --> 00:00:42.739
颜值我真的觉得甩了好几条鸡

00:00:42.739 --> 00:00:44.560
OK那么正式进入主题

00:00:44.560 --> 00:00:46.960
首先这次测试分为两个类型

00:00:46.960 --> 00:00:49.120
一个类型是多压力的任务测试

00:00:49.120 --> 00:00:51.460
第二类是模型的横向对比

00:00:51.460 --> 00:00:52.900
那多压力测试呢

00:00:52.900 --> 00:00:53.900
其实是更接近

00:00:53.900 --> 00:00:56.160
我平常使用笔记本的一个场景

00:00:56.160 --> 00:00:57.940
我会同时打开多个软件

00:00:57.940 --> 00:00:58.860
包含龙虾

00:00:58.860 --> 00:00:59.580
剪辑软件

00:00:59.580 --> 00:01:00.120
音乐

00:01:00.120 --> 00:01:01.080
修图软件

00:01:01.080 --> 00:01:02.900
浏览器和编程软件

00:01:02.900 --> 00:01:05.400
那把之前不敢想的编程

00:01:05.400 --> 00:01:06.460
然后现在利用AI

00:01:06.460 --> 00:01:07.740
其实也都能实现了

00:01:07.740 --> 00:01:08.980
那这次测试呢

00:01:08.980 --> 00:01:09.840
其实就是想看

00:01:09.840 --> 00:01:12.220
在同时运行这么多软件的情况下

00:01:12.220 --> 00:01:13.940
我的这款M5 Pro的笔记本

00:01:13.940 --> 00:01:16.060
在拥有48GB的内存下

00:01:16.060 --> 00:01:17.300
它还剩多少

00:01:17.300 --> 00:01:19.760
也是看内存是否能够撑得住

00:01:19.760 --> 00:01:21.780
那第二个模型横向测试对比呢

00:01:21.780 --> 00:01:23.740
其实就是把模型下载到本地

00:01:23.740 --> 00:01:25.300
然后用评测软件

00:01:25.300 --> 00:01:27.820
对大模型来进行个对比跑分

00:01:27.820 --> 00:01:28.660
那当然其实

00:01:28.860 --> 00:01:30.420
现在AI的大模型比拼的

00:01:30.420 --> 00:01:32.300
不是原来手机的评分啊

00:01:32.300 --> 00:01:33.420
其实现在比拼的是

00:01:33.420 --> 00:01:34.820
AI大模型的输出速度

00:01:34.820 --> 00:01:36.680
但是下面我会具体展开

00:01:36.680 --> 00:01:37.780
来详细的说一说

00:01:37.780 --> 00:01:39.280
那我们先来第一个测试啊

00:01:39.280 --> 00:01:41.020
当我们运行这么多个软件的时候

00:01:41.020 --> 00:01:43.080
看看它内存是消耗了多少

00:01:43.080 --> 00:01:44.100
那第一个测试

00:01:44.100 --> 00:01:46.160
我们来看运行这么多软件之后

00:01:46.160 --> 00:01:48.860
那我打开活动监视器这个软件呢

00:01:48.860 --> 00:01:50.640
查看一下内存的使用量

00:01:50.640 --> 00:01:52.320
那48GB内存

00:01:52.320 --> 00:01:54.880
其实目前来跑这么多软件的同时呢

00:01:54.880 --> 00:01:57.580
消耗了一共差不多不到40GB的内存

00:01:57.580 --> 00:01:58.840
但是如果在运行

00:01:58.840 --> 00:02:00.000
编程软件的时候

00:02:00.000 --> 00:02:03.020
那么这个内存最大会飙升到44GB

00:02:03.020 --> 00:02:05.020
甚至是45GB的内存使用量

00:02:05.020 --> 00:02:06.880
所以也看是不同软件

00:02:06.880 --> 00:02:09.080
它所占内存的这个消耗比

00:02:09.080 --> 00:02:11.460
那不过在运行这么多软件的同时

00:02:11.460 --> 00:02:13.700
即便是内存已经达到了44GB

00:02:13.700 --> 00:02:16.140
45GB的这个总共的这个用量

00:02:16.140 --> 00:02:18.040
但是在我使用软件的时候

00:02:18.040 --> 00:02:19.880
每个软件其实都不会卡顿

00:02:19.880 --> 00:02:21.720
这个对于我来说体验

00:02:21.720 --> 00:02:23.540
不管你是消耗多少内存

00:02:23.540 --> 00:02:24.460
对我来说

00:02:24.460 --> 00:02:26.000
个人的这个体验是非常好的

00:02:26.000 --> 00:02:27.760
那在第一个测试项目当中

00:02:27.760 --> 00:02:28.640
我觉得其实

00:02:28.840 --> 00:02:30.320
这一关笔记本还是完胜的

00:02:30.320 --> 00:02:32.600
那我们接下来再看第二个类型的测试

00:02:32.600 --> 00:02:34.600
有请我们的阿努比斯大人

00:02:43.480 --> 00:02:44.280
开个玩笑

00:02:44.280 --> 00:02:46.760
这款模型的横行测试对比的软件

00:02:46.760 --> 00:02:48.920
其实是叫阿努比斯

00:02:48.920 --> 00:02:50.920
所以才有了刚才的那个环节

00:02:50.920 --> 00:02:53.120
而且这个软件的icon或者说是标识

00:02:53.120 --> 00:02:55.280
其实就是刚才我们看到阿努比斯

00:02:55.280 --> 00:02:56.560
死神大人

00:02:56.560 --> 00:02:57.760
那好我们言归正传

00:02:57.760 --> 00:02:58.560
我们先来看一下

00:02:58.840 --> 00:03:00.520
测试对比的这个结果

00:03:00.520 --> 00:03:04.200
那我们在开始第二项横向模型测试能力之前

00:03:04.200 --> 00:03:06.520
使用的五个模型依次分别是

00:03:06.520 --> 00:03:07.720
Gemma 4 26B

00:03:07.720 --> 00:03:09.680
GBT OSS 20B

00:03:09.680 --> 00:03:10.600
千万3.6

00:03:10.600 --> 00:03:11.280
35B

00:03:11.280 --> 00:03:12.360
A3B MX

00:03:12.360 --> 00:03:13.360
FB8

00:03:13.360 --> 00:03:15.120
Dipsec 21 32B

00:03:15.120 --> 00:03:16.760
JRM 4.7 Flash

00:03:16.760 --> 00:03:19.040
Q8的这个量化版本

00:03:19.040 --> 00:03:20.800
那我分别是测试这五个能力

00:03:20.800 --> 00:03:23.440
去看这五个模型它输出这个速度

00:03:23.440 --> 00:03:25.720
那前提呢是我只能下载到

00:03:25.720 --> 00:03:27.840
目前我这个笔记本能够使用到

00:03:27.840 --> 00:03:28.640
而且可承受反应的效果

00:03:28.840 --> 00:03:30.240
我可以用到这个测试的

00:03:30.240 --> 00:03:31.120
这个大小的模型

00:03:31.120 --> 00:03:33.160
这五个能力呢分别是推理能力

00:03:33.160 --> 00:03:33.880
编码能力

00:03:33.880 --> 00:03:34.760
创造力

00:03:34.760 --> 00:03:35.800
知识掌握能力

00:03:35.800 --> 00:03:37.520
以及最后的执行力

00:03:37.520 --> 00:03:38.960
并且大家可以看一下

00:03:38.960 --> 00:03:40.360
分别的这个提示词啊

00:03:40.360 --> 00:03:41.680
首先是推理能力

00:03:41.680 --> 00:03:43.440
那Gemma 4呢应该是第一的

00:03:43.440 --> 00:03:45.680
第二呢其实是GBT OSS 20B

00:03:45.680 --> 00:03:47.360
我们来看一下第二个编码能力

00:03:47.360 --> 00:03:50.160
编码能力依旧是Gemma 4领先

00:03:50.160 --> 00:03:53.240
然后其次是紧跟着是GBT OSS

00:03:53.240 --> 00:03:54.960
那我们依次再来看创造力

00:03:54.960 --> 00:03:55.920
知识掌握能力

00:03:55.920 --> 00:03:57.080
以及执行力

00:03:57.080 --> 00:03:58.160
那基本上都是

00:03:58.160 --> 00:04:00.799
Gemma 4的输出速度是第一啊

00:04:00.799 --> 00:04:03.000
那其次是GBT的OSS

00:04:03.000 --> 00:04:05.840
以及仅次于GBT的Channel 3.6

00:04:05.840 --> 00:04:08.440
综合来看其实还是Gemma 4领先

00:04:08.440 --> 00:04:09.600
那有一点我要说一下

00:04:09.600 --> 00:04:11.640
在我做视频的这段时间呢

00:04:11.640 --> 00:04:14.800
DeepSick其实已经推出了V4的这个版本

00:04:14.800 --> 00:04:17.839
但是呢V4这个不管是它全量的版本

00:04:17.839 --> 00:04:20.640
还是量化版本其实都会很大

00:04:20.640 --> 00:04:21.680
然后这也就导致

00:04:21.680 --> 00:04:23.320
我无法去下载到本地

00:04:23.320 --> 00:04:24.280
然后去做测试

00:04:24.280 --> 00:04:26.480
那我只能用DeepSick R1的这个版本

00:04:26.480 --> 00:04:27.600
去做测试

00:04:27.600 --> 00:04:28.120
那同样呢

00:04:28.120 --> 00:04:31.320
Kimi和Mini Max都出了最新的版本

00:04:31.320 --> 00:04:32.200
那一个是2.6

00:04:32.200 --> 00:04:33.240
一个是2.7

00:04:33.240 --> 00:04:34.200
但是我也看了

00:04:34.200 --> 00:04:35.800
他们的版本也是巨大啊

00:04:35.800 --> 00:04:37.960
几百G到1T都有

00:04:37.960 --> 00:04:40.200
其实这个容量是满足不了下载到本地

00:04:40.200 --> 00:04:41.720
然后并且运行的

00:04:41.720 --> 00:04:43.880
所以我就只能是放弃了

00:04:43.880 --> 00:04:46.360
那在用DeepSick R1 32B模型

00:04:46.360 --> 00:04:47.640
去做测试的时候啊

00:04:47.640 --> 00:04:49.400
那阿努比斯大人让我们这个笔记本

00:04:49.400 --> 00:04:51.400
这个风扇疯狂的这个转啊

00:04:51.400 --> 00:04:54.360
然后每次都是到测试R1的时候呢

00:04:54.360 --> 00:04:56.120
都是转的不停

00:04:56.120 --> 00:04:58.080
那在其他的这个模型测试的时候呢

00:04:58.120 --> 00:05:00.280
就是情况下是没有这种现象的

00:05:00.280 --> 00:05:01.320
那总的来看呢

00:05:01.320 --> 00:05:03.680
其实还是Gemma 4领先啊

00:05:03.680 --> 00:05:05.800
但是这个其实也是根据

00:05:05.800 --> 00:05:08.640
各大模型厂商的这个大小参数

00:05:08.640 --> 00:05:10.280
那我也只是按照参数

00:05:10.280 --> 00:05:13.000
能够尽量接近的这个方法去做测试啊

00:05:13.000 --> 00:05:14.640
大家如果说有别的意见

00:05:14.640 --> 00:05:17.640
那其实这个结果大家只是看一下就得了

00:05:17.640 --> 00:05:19.800
那如果后续各大模型厂商

00:05:19.800 --> 00:05:22.760
他能够再出像Gemma 4这种体积

00:05:22.760 --> 00:05:25.360
不是特别大的这种量化版本的这个模型

00:05:25.360 --> 00:05:26.960
那我觉得对于个人来说

00:05:26.960 --> 00:05:28.080
还是非常的友好

00:05:28.080 --> 00:05:29.880
那我也希望各大模型厂商

00:05:29.880 --> 00:05:31.359
也能够跟进这个事儿啊

00:05:31.359 --> 00:05:33.599
那其实这个事儿对于我们个人使用AI来说

00:05:33.599 --> 00:05:35.120
其实是比较大的一个福音

00:05:35.120 --> 00:05:37.240
以上呢就是这两项测试的内容了

00:05:37.240 --> 00:05:39.919
那希望大家多多点赞和关注啊

00:05:39.919 --> 00:05:41.280
然后非常感谢大家

00:05:41.280 --> 00:05:43.000
那在最后呢其实我想说

00:05:43.000 --> 00:05:45.479
AI已经从之前的遥不可及

00:05:45.479 --> 00:05:47.120
到现在这一两年

00:05:47.120 --> 00:05:49.400
已经变得人人都可以用这AI了

00:05:49.400 --> 00:05:51.039
那也希望大家能够利用AI呢

00:05:51.039 --> 00:05:52.400
做自己想做的事儿

00:05:52.400 --> 00:05:54.200
并且呢做自己感兴趣的

00:05:54.200 --> 00:05:55.320
觉得有趣的事儿

00:05:55.320 --> 00:05:56.200
那以上就是这样

00:05:56.200 --> 00:05:57.360
我们下个视频再见

00:05:57.360 --> 00:05:58.039
拜拜

00:05:58.080 --> 00:05:59.080
拜拜