[音乐] 那个聪明又相当阴森的答案是，你得把刀用在所有东西上。橙子、孩子，还有刀子本身。它不只是想让你切橙子，它还想要你切那些孩子。

大家好，欢迎来到节目。今天我们要看看 1.5 版本。这个模型大概一个月前发布，当时很火，很多人喜欢它。它是 Qwen 3.5 的后训练微调版本，做了各种酷炫的优化让它变得更聪明。我们尝试的是它的最大版本，也就是 397B 参数版。根据基准测试数据，它正在碾压 GLM 5.2。就像它在 DeepSWE 上的表现一样。虽然它实际上并不比 GLM 5.2 更好，但它声称自己比 GLM 5.2 更强。所以我们要找出这个模型到底有多厉害。

看看那个 SWE Bench，得分是 86。这甚至比最新的 Qwen 3.8 Max 版还要好。所以我们要看看这个模型到底有多强。我直接开始测试了。这是一个多模态模型，意味着它可以进行视觉推理，还能做各种酷炫的事情。例如，这只猫被称为姜黄色虎斑猫，也就是橙色条纹猫。

接下来我会进行编码测试、逻辑测试和数学测试，但我先做逻辑测试，因为我在训练后的逻辑题中得到了一个非常搞笑的结果。我想分享一下。让我们先做数学测试吧。这是一道几年前的国际数学奥林匹克竞赛题，答案甚至可以用整数表示。这是在关闭思考模式、使用 3000 token 的情况下，它得出了正确答案。

开启思考模式后情况如何？这只是简单的开或关，并不是最新的 Qwen 3.8。所以它有一个“超高”模式。这是开启思考模式下使用 11000 token，它也得出了正确答案。所以这是一个高质量的结果，很好。他们没有失去数学能力。

这个测试是我真正喜欢的一个。好的，你会喜欢这一题的。你有八个橙子、四个孩子和一把刀。请均匀分配它们。首先，在关闭思考模式时，它说切八个橙子给你 16 个半块和四个半块，也就是每人大约两个橙子。所以它用一种啰嗦的方式解决了这个问题，但在开启思考模式后……好吧，这里要出乱子了。准备好吧。

关键在于“它们”这个词。如果你只分配橙子，那就很简单：8 除以 2。但是你必须分配“它们”，意思是你拥有的所有东西：八个橙子、四个孩子和一把刀。[笑声] 所以那是 13 件物品除以 4，每人 3.25。因此那个聪明又相当阴森的答案是：你必须把刀用在所有东西上。橙子、孩子，还有刀子本身。[笑声] 它不只是想让你切橙子，它还想要你切那些孩子，甚至还想让你用一把刀去切另一把刀。[笑声]

这个模型太搞笑了。什么？什么？[笑声] 至少，你知道，当涉及到审查制度时，如果你在写一些创意故事、恐怖故事之类的东西，它是乐于参与的。[笑声] 它把你的恐怖故事提升到了下一个层次。它甚至切了刀子本身。你知道，我首先得为这种知识的飞跃给它一点掌声。也许如果你倾向于那种风格的话，它比 5.2 更好。但是的，我只是想分享这一点。

让我们用 B Selector 题来完成逻辑测试部分。如果你走进人群并大喊，他们喊出“B selector”，你应该怎么做？答案是吃 W（Eat W）。而这一题它只说了 Yan Respect，这在某种本土语境下可能行得通，但真正的答案是 Rewind（倒带）。现在我们开启思考模式。它会说 rewind 吗？哦，它确实说了 no rewind（不要倒带）。所以这个模型没有接受过英国文化的训练。

看看，你可以让他们进行 wheel up（轮上）。所以它没说 rewind，而是说你必须要求他们进行 wheel up，括号里写着 rewinds。我会给这题半分。这是好的，因为没多少模型知道这些冷知识。现在我们思考同样的问题，我们要做洗车店的问题。如果洗车店离我家 50 米远，我应该开车去还是走路？它说你需要开车过去。所以它们肯定在某种逻辑测试上训练过，尤其是切刀子本身那题。我想要把刀给我。

所以这里我们要问：为我创建一个这个图像的动画 3D 体素版本。这是一只橙色虎斑猫，绿眼睛，有点混凝土质感的背景，还有绿色的草地。它会做得好吗？答案是它迷失在世界上。这是 GLM 5.2 的表现。你可以隐约看到猫在那里，我觉得它是倒着的。它肯定是倒立的，站起来了。你能改变颜色吗？你可以改色。这很好。

你可以停止旋转并重置视图。所以它在做某事，虽然可能做得不太好。让我们开启思考模式看看它表现如何。18000 token，每秒 24 token。这是一个大模型，没有 MTP（多 Token预测）。但这是什么创作？它确实存在。相机在旋转，这不错。我想我[笑声] 也许它是被《孙子兵法》训练过的？它就像在想：兄弟，我要对这只猫做什么呢？让我整理一下。

好的，一个 3D 太阳系标准测试。5000 token，每秒 24 token。让我们看看内存使用情况。这是 424 GB 的内存。所以我们在与 GLM 5.2、更大的 Qwen 等竞争。让我们点击播放。我们确实有一个漂亮的太阳系。我们可以点击行星吗？你可以点击行星，这很好。非常类似于 Kimi K3 会制作的东西，只是 Kimi K3 稍微好一点。也许我可以给你看看那个版本。

这是 Kimi K3 生成的结果。如你所见，它可能稍微好一点点。这只是我上次制作的不同生成版本。我还在努力让它运行得更好。但我们能看到地球等所有东西。所以这是 Kimi K3 对比 Orpheus（注：原文Orife，推测为模型名音译或误写）的思考模式。也许它更简陋一些，但至少行星是被照亮的。有时你制作这种演示时，行星没有光照，因为你知道宇宙是黑暗的。

所以这是我想找出的测试点。我拿了它的生成结果，并问：你能添加一个用键盘和鼠标控制的飞船吗？因为我想看看这个模型是否真的能工作。它能编辑代码吗？它能做点酷炫的事情吗？现在我们关闭思考模式。7000 token 之后，它在屏幕上添加了一艘飞船。现在这是一艘造型奇特的飞船。而且鼠标向右移动时它向左移。所以也许量化过程中有些东西坏了，或者它本身有点小毛病。但它……

它确实在做不错的工作，这绝对没问题。我喜欢这种生成效果，不过控制起来有点难，因为我正在通过远程桌面连接我的工作室，所以无法进行全屏操作。现在让我们看看能否制作一个3D飞行模拟器。这个模型的上下文窗口，也许我可以展示给你看，是61,000个令牌。目前思考模式已禁用，但第一次运行时我启用了它以确保能跑通。

所以它确实思考了相当长的一段时间。唯一的问题是存在一个bug，声音按钮没有被创建出来。这次运行消耗了44,000个令牌。我让它修复这个问题，它在禁用思考模式的情况下成功做到了。让我们看看这里有什么。这看起来很有格调，这是一次非常时尚且流行的生成结果，你可以看到。首先让我获取一些控制权。

你看这里，看那个样子。感觉就像我在飞越那些早年渲染出来的画作内部一样。那辆车驶出了世界边缘，我最好开始用耳朵做点事情，因为那样看起来既有趣又神奇。云朵里还有闪烁的光芒。我不会说这很放松，也许它确实是。也许是心灵波浪的宁静感吧？

这绝对是个怪现象。我不知道它是有意为之还是仅仅是一个bug，但无论如何，这是一个很酷的bug。看那个，你的脚下就是一个程序化生成的世界。现在我能坠毁吗？这是一次非常美丽的生成过程，它表现还不错，没那么糟。程序化照片级真实感的人脸，我们之前看到有一个错误。

所以禁用思考模式时上下文窗口是13,000个令牌。这是一个MoE模型，所以它非常强大。因此人脸本身有点像个土豆。也许是在他们的云服务上使用GL 5.2时才会这样？但当你本地运行它，并且根据模型卡正确或错误地设置采样参数时——尽管对代码来说是正确的——它的表现要好得多。

我们再次会看到这一点。启用思考模式时这里又是另一个土豆，上下文窗口为69,000。问题是你生成一次后会出现错误。所以我多次要求它修复，但它就是不知道如何在启用思考模式时渲染人脸。不幸的是，我已经试过了，这是我所能得到的最好版本的头部。

如你所见，没有眼睛，也没有嘴巴。有一个小凸起作为鼻子，所以这还不错。它看起来确实有很多潜力。我觉得有人在幕后做了一些工作。看那个，他有个小咬痕。怎么回事，Modell先生？[笑声] 或者是Neve？你在搞什么鬼？他可能一直在用刀子。[笑声]

好了，让我们进入3D人体解剖学领域。这是在禁用思考模式下的情况，9,000个令牌之后。这很不错。看那个，肋骨笼是人类的构造方式，肋骨是这样排列的。好的，那是他的肩膀，非常像Brock Lesnar那种类型的肩部系统。让我们看看，他有肌肉。哦，那是很漂亮的胸肌。

看那个，你能点击它们吗？不行，你不能。他有好看的腹肌，看看那些腹肌，你可以试着点击其中一些，就像砖块一样，有一两个能起作用。这有点不错，还有神经系统。这是大脑，这就是我们存在的本质，这是我们思考的工具，这个小小的东西... 这可能是我见过该模型生成的较好版本之一。

你有一个心脏，看它在跳动。砰、砰、砰、砰、砰、砰。它并不是真正的循环系统，只是心脏在动，但这挺好的。还有器官，再次以不同方式呈现了心脏。所以这实际上是一次相当不错的生成结果，可能UI方面不如Qwen 3.8好，但在生理结构上可能比其他模型更好。

Ballista测试，禁用思考模式，5,000个令牌。它真的会发射吗？哦，看这里，这很不错。这可能像《帝国时代》一样有趣。是的，它向那个方向发射了，这很酷。我们有一些物理效果，非常基础。我想我确实是禁用了思考模式，因为生成需要时间。

我也做了一些启用思考模式的测试，比如《侠盗猎车手》（GTA）。我有非思考和思考两种版本。启用思考模式时需要时间，消耗大量令牌。所以我希望你们能欣赏这些测试过程。在禁用思考模式下制作《侠盗猎车手》，我们使用了9,500个令牌，这是洛圣都霓虹城市。

是的，我们现在在一辆车里。这是一个真实的城市结构。看，路上有其他AI驾驶员现在正在那里行驶。他们正在进行某种“速度与激情”式的驾驶[笑声]，这是一个有趣的世界。路中间有一棵树[笑声]，我不知道城市规划部门批准了这种设计。

可能涉及了一些贿赂，但这次生成把一些树放在了路中间，这挺聪明的。那辆车停在那里了。所以这些车里有AI控制的车辆在移动，如果你知道的话，它们需要旋转方向。这是一次相当有趣的生成过程，但绝对是一次美丽的生成结果。

右边的车向右转了，车轮在转动。所以这一版做得很好，我喜欢它。但我们要启用思考模式，因为想看看它能达到多高的水平。这是40,000个令牌的结果，这只是第一次提示就生成了这个内容：制作一个GTA 5克隆版，我想要酷炫的过场动画等一切功能。

它在不需任何错误修正的情况下完成了制作，这很好。你知道有时候其他模型会在这里那里犯一些小错，你需要不断纠正和修复它，这可能令人沮丧。看这里，当你运行一个智能体时，它会为你完成所有工作，但你花费大量时间反复重写代码。

所以就像在问为什么这次生成花了这么久？因为有点buggy。而这一版，看那个单次提示就生成了完整内容。我们有一个漂亮的小角色在四处走动。我认为你可以改变摄像机视角，所以他们实现了这个功能。

树木再次出现在路中间，所以确实需要一些关于城市规划的训练数据。让我看看能否上车，我可以上车了。看那个，有实际的声音效果，这很酷哦，太棒了。我能看看是否有碰撞检测吗？

哦看那个，不错。路上有AI存在，所以有其他驾驶员在那里，知道他要往哪里去。好的，那里发生了一些事情，这相当不错，我喜欢它。你可以上下车，你没有武器所以不能射击，所以只是一个漫游的城市环境。

那里变暗了，所以有昼夜转换发生。我没看到城市建筑灯光亮起或类似效果，所以它没那么先进，但即便如此...

看看那个AI正在城市里驾驶。你有一条血条，还有一个小地图。所以，这是一次相当不错的生成结果。实际上，它做得真的非常好，我很喜欢这一点。这为你提供了很多可以在此基础上构建的内容。接下来，我们要做的是《荒野大镖客》的重制版。我告诉它我正在YouTube上制作一个视频，所以让它拿出最好的作品来。让我们看看它的“最佳之作”到底是什么样子的。

这次生成的赢家毫无疑问仍然是DeepSeek。它在那次生成中确实进行了一些深度的探索，去查看那个DeepSeek的视频就知道了。在制作这次生成的过程中出现了几处错误。我们的上下文窗口是49,000个标记。我们点击播放，看到了“Red Dead Horizon Dun Free Rome”和故事模式。我想要故事模式。

年份是1899年，亡命之徒和枪手的时代正在走向终结。

继续。继续。好的，那是过场动画。哦，哇，哇，哇。刚才发生了什么？我飞起来了，然后……好吧，第一个……这是一个令人惊叹的小镇，他们实际上在移动。嗯，我这边已经完成了。他们确实在四处走动。那个家伙拿着手枪。有行人在那里走来走去。这里有一个真正的城市。也许它不是设计得最好的城市，但那里有一口井。

那个家伙在漂浮着，他有点悬空，但你在那里看到了坏人。你实际上可以看到他。这是一个设计良好的小镇。唯一有点可疑的是，当我开始关卡时，我直接飘上了天堂。也许我一上来就死了。看看那个。所以，[笑声] 我实际上可以移动了。而且有一个坏人。他们正在看着我。他们看起来想做什么事。也许他们在向我射击。所以，这里面有一个小bug。我有点想要修复这个bug并玩这个游戏。

让我们试试自由漫游模式。好的，自由漫游模式有点能用。走路时……我正在被射击。那个家伙在向我开枪。所以，这个关卡里确实有AI。人群应该在我们被射击时逃跑才对。但让我们看看我能否反击。所以，我可以还击吗？我能射中这个家伙吗？我死了。“Wasted”（阵亡）。它已经有了基本的框架。你可能需要一点编程技巧或提示词技巧来修复这个问题，但它确实具备了骨架。你那里有AI，有一个小镇，还有行人。它只需要一点逻辑来让人群在枪声响起时逃跑。也许不要一开始就向你射击，可能需要你做一些动作并瞄准一下。但这绝对是一次不错的生成结果。

我认为在我制作它的时候，这是在没有启用思考模式的情况下完成的。所以现在我们要跳进去做超级马里奥游戏。这也是在没有启用思考模式的情况下进行的，我们的上下文窗口是10,000个标记。所以这是生成的3D平台游戏。之前有一个错误，我看不到马里奥，所以我告诉它去修复这个问题。然后就是这样了。哦，那很酷。它是同一种类型的角色。他不是在……他真的在四处走动。所以，这有点像GTA版的马里奥。让我们看看。我们不能二段跳，但这更像是一个奔跑人的游戏。哦，我错过了那个跳跃点。这实际上真的很酷。有点难玩。我需要加入二段跳功能。哦，看看那个。好的。哦，我刚才又错过了。这……这……这很好。比Gemini Pro生成的版本好得多，多很多。但这里的生成质量确实不错。所以我喜欢这一点。干得好。顺便说一下，这是在禁用思考模式的情况下完成的。所以即使你禁用了思考功能，它也能做出一些可信度很高的生成结果。

这里正在制作一个3D赛车游戏，《Outrun》（极速狂飙）。它在这里确实生成了一个版本，用了8,600个标记。现在，画面有点迷幻。让我们看看。启动引擎。我们没有声音吗？但让我们看看会发生什么。所以，当你在这里移动摄像头时，它确实有点酷。图形绝对非常漂亮，但实际的赛车过程并没有发生。我是说我无法向前移动。虽然它显示我在前进，但我没看到这里有任何实际的动作发生。所以赛道有点坏了，诸如此类的问题。不过确实有碰撞检测，我撞上了那辆车。但总的来说它是坏的，虽然那里有一些潜力。我喜欢那种怪异的图形风格，很酷。所以我在问它看能否修复这个问题。

现在我们要做一个基本的绘图功能。这是画布动画，在禁用思考模式的情况下用了7,000个标记，我们点击播放。这是一次不错的生成结果，挺棒的。我们又回到了埃及，又在那口井里了？我不知道。实际上，这……这可能是山丘吧。我记得上次Qwen 3.8很喜欢把背景都设在埃及。现在我不知道我们要往哪个方向走，因为我觉得我们在倒退。是的，我们肯定是在倒着开。灯光应该是指向前方的。所以这里绝对是个澳大利亚内陆的司机，只是他把悬挂抬高了而已。他一直在错过那个大跳跃台。那里有很多很多路灯杆。他在道路左侧行驶，所以美国人不会生气，因为在世界大多数地方都是靠左行驶的。抱歉让你失望了。然后我们撞到了地上的月亮？太疯狂了。

所以现在我们要进入生产力应用程序部分。我们要求它制作一个Microsoft Word，在禁用思考模式的情况下用了4,600个标记。这实际上是一个相当不错的Word生成版本，看起来很不错，尤其是在禁用思考模式的情况下。不幸的是，更改……哦不。更改字体是有效的。把它变大。它有效吗？把字变大是有效的。你可以把它移到右边。所以，在那里它确实做得很好。现在，这个菜单系统有效吗？不幸的是，菜单系统不起作用。我发现有些模型虽然制作了UI界面，但没有让UI真正可用。你可以给它命名之类的东西。所以那还不错。但请记住这个模型的亮点是：如果你在做逻辑题，比如你有八个橙子、四个孩子和一把刀。请均匀分配它们。它可能会给你一个有趣的答案，因为它很认真地对待这个问题。一切都必须被“均匀”分配。所以我期待这种思维方式会引出什么样的荒谬结果。也许它会解开宇宙的奥秘呢？

让我知道你们怎么看。希望你们觉得这个视频有用并享受了节目。>> [音乐]

所以那个聪明且相当阴森的答案是，你必须对一切都使用那把刀。橙子、孩子以及刀子本身。它不只是要你切橙子，它还要求你切那些孩子。