大家好，欢迎来到本期节目。今天我们要进行终极挑战：对比云端AI超级智能体与本地大模型DeepSeek V4在生成游戏任务上的效率。Kreo AI并非普通的大语言模型，它的独特之处在于能从常规对话中衍生出智能体。当你提出复杂问题时，它会像某些模型开启“思考”模式一样，自动激活智能体模式。你可以让它每天检查新闻并安排日程更新，从而完成各种有趣的自动化挑战任务。
让我们直接开始测试运行难度。界面上显示了Claude Sonnet、Gemini 3.1 Pro以及Minimax M2.7等顶级模型，还有令人兴奋的“最大思考”功能。我们将进行名为《Flappy Bird》的挑战：在DeepSeek V4上开启最大思考模式，同时让Kreo AI使用Claude Sonnet处理相同任务。DeepSeek V4正以每秒25个令牌的速度深度思考，而Claude Sonnet仅用10秒就开始编写代码。
为了进一步测试智能体能力，我提出了更复杂的请求：每5分钟创建一个病毒式HTML游戏，持续半小时。本地大模型显然难以应对这种连续任务，而Kreo AI的智能体已规划出六款游戏。它正在深度思考并编写代码，包括《小行星》等场景。相比之下，DeepSeek V4仍在纠结初始状态处理，已消耗12,000个令牌却未完成。Claude Sonnet则迅速生成了首个游戏文件，展现了真正的智能体执行力，将代码模块化而非简单输出文本。
《Flappy Bird 3D》已完成并运行，视觉效果精致且管道具有3D效果。随后《霓虹蛇》也生成完毕，但本地模型因任务过载未能成功处理。我随即转向创建专用智能体：一个每5分钟运行一次的编码代理，基于BBC最新新闻生成游戏。这种自动化流程不仅高效，还能让孩子通过玩游戏学习知识。云端智能体在复杂、连续任务上的优势显而易见，而本地模型更适合单一简单指令。
看看现在的技术，真的太酷了。让我们来看看本地运行的 Max 思考模式表现如何。它正在输出更多的代码。好的，它完成了。它的思考过程结束了，真的已经想完了。（笑声）我们仅仅用了将近 18,000 个令牌来思考这个 Flappy Bird（飞鸟）游戏。我想知道这个游戏的质量如何。我知道，这就像你之前禁用思考模式时的情况一样，但现在启用了思考模式，消耗了 19,000 个令牌，而且我们在这里仍然在生成代码。
让我们回到 Creo 那边看看。它正在思考，正在理清思路。我正在将文章内容映射到游戏机制上。这是一个非常有创意的想法：从最新的 BBC 新闻中生成一个可玩的 3D 游戏。让我为我构建这个智能体吧。所以，它正在创建一个技能。现在，它已经生成了一个技能文件了。
这意味着它可以实际复用这个技能来制作这款 3D 生成游戏。显然，这很简单：只需访问 BBC，基于其内容生成一个游戏。但现在它是可复用的了。现在，我们就像拥有一门生意一样。我们现在有了一个时间表，我们可以安排这个技能在我们喜欢的任何时间运行，它都会继续生成那个游戏。记得吗？这是我们之前使用 Claude 和 Creo 和谐协作，一步一步制作的那个精彩的 3D 游戏。
让我们看看它在本地环境下的表现如何。已经用了 20,000 个令牌，但我们还没有产出我们的 Flappy Bird 游戏。那么，你们对 Creo 的情况怎么看？只需通过打字就能创建你自己的智能体并完成一些生成任务。关于这项服务，有一件有趣的事情是它实际上有一个免费计划。所以，你可以获得 30 次一次性积分，或者你们可以（笑声）看看本地运行的 Max 思考模式，当然也可以直接在云端尝试运行这些游戏。
请告诉我你们的看法。希望你们觉得这个视频有用，并享受了这期节目。