[音乐]
她想要咬那丰满的嘴唇。因此，那里存在一种解锁角色扮演功能的能力，而且据说还有更多丑闻般的事情被说给我听。
大家好，欢迎收看本期节目。今天我们要体验的是 Muse Spark 开放版。这款 Muse Spark 基于拥有极高基准测试成绩的 Muse Spark 1.3。看看这个数据，在 Deep SWE 中得分高达 75.4。这击败了 GLM，甚至接近那些前沿模型的水平。
而这一款则略低一些，得分是 60。对于美国模型来说这仍然不错，甚至对欧洲模型而言也是很好的表现。它声称自己与 Fat Cat 和 Mistral 4 处于同一水平，但确实击败了 Qwen 3.8。这是拥有 2.4 万亿参数的版本，所以显然它会表现得很出色。
它紧挨着 GLM 5.3 和 Kimi K3，只是略低一点，得分为 60。这意味着它非常优秀。如果你深入研究一下，甚至有可能让它变得更聪明。例如，查看他们的聊天模板，你会发现推理级别分为低、中和高，它们只是数字：低级是 8，中级是 32，超高级是 512。
因此，你实际上可以将其设置为 1，或者设为 1000，看看会发生什么。我将花费整整 24 小时中的大部分时间来解决运行问题并进行各种小测试，以展示它的实际表现。我还上传了一个量化版本，有一个 QINF 版本的量化模型，它能产生好得多的代码。
我会展示标准的 Q4 版本以及 INF 版本的效果，并给大家一些预览。目前这是美国最好的模型，直到下一个发布为止。希望 Meta 能回归开放权重路线。我们都很喜欢 Llama，那很棒，但现在没有官方支持的 Llama 了，Meta 转向了 Muse。
我认为它不如 Llama，但事实如此。让我们深入看看它的表现如何。我将从 Q4 量化版本开始，展示我在其中遇到的问题。如果你在这里做一个免费的太阳系系统，它看起来有点暗等等。这是低思考模式下的情况，没有关闭选项，只有低、中、高和超高。
但正如我展示的聊天模板所示，它们只是数字，所以你可以随意设置。当我在这里将思考模式设为中级时，我开始看到黑屏现象，它开始生成质量不佳的代码。我发现有很多编译和运行时错误。例如，这里我试图让 Logic Pro 成为音乐播放器，点击播放却没有声音。
最终，当我开始摆弄它时，确实发生了运行时错误。所以在我尝试使用标准 Q4 量化版本时遇到了很多问题。因此，我使用了 INF 方法让它在这里正常工作。这是低思考模式下的情况，需要 435 GB 的内存。这适用于大型高性能系统，比如你有两台配备 M2 Ultra 和 512GB 内存的 Mac Studio。
但好消息是，所有新发布的电脑都配备越来越多的内存。最新的微软笔记本电脑拥有 128GB RAM，这太疯狂了。而且据说手机很快也将配备 128GB RAM。所以这将是一个预览，展示如果你还没有这些能运行它的高性能系统，未来你的系统将能够运行的内容。
这是低思考模式下的表现。你需要记住的一点是，这个模型支持视频、图像和音频推理。我会展示图像和音频部分。我从未真正使用过视频推理，但也许这对外面的人有用。正如你所见，低思考模式看起来相当不错，比之前看到的损坏版本好得多。
让我们提高一点，选择超高级（X High）。这里我们只需要 500... 不，是 5,000 个 token。它不像 GLM 那样需要 100,000 个 token 让你命丧黄泉。这里只有 5,000 个 token，并生成了一个漂亮美丽的太阳系。你实际上可以点击行星，它确实会查看它们。
这让我想起 Kimi K3 中某个略逊一筹的版本，或者最新 Qwen 拥有某些训练数据从而能制作出惊人太阳系的情况。所以它没有足够的训练数据来完美呈现太阳系，但这可能只是 Qwen 拥有相关测试数据的例子。在其他方面它可能对这一款更有优势。
关于这一点，有趣的是它在 5,000 token 内构建了内容，但还问我：“你想让我制作一个使用真实 NASA 纹理、椭圆轨道、标签并始终面向摄像机的版本吗？”它有点像给你一个预览或小样本，然后问“你想让我进一步开发这个吗？”，而不是直接给你完整豪华版。即使在超高级思考模式下也是如此。
接下来，我们要看看它在 Python 上的表现。我给了它几乎相同的提示：“给我做一个免费的太阳系系统，但这次使用 Python。”它给了我两个版本。一个使用 Plotly，这是一个地图绘图库，通常用于研究人员绘制各种图表。这里我们要尝试绘制一个太阳系系统。
我们确实有带轨道的 3D 图表，海王星、天王星、土星、木星和地球正在旋转。这是一项令人着迷且出色的工作，我很高兴它在那里正常工作了。我喜欢这一点，那里没有运行时错误。当我用标准 Q4 做这件事时是有错误的，所以它实际上没成功运行。
但这里它还给了我两个版本，不仅仅是 Plotly 一个。Plotly 会在浏览器中启动，让我们看看那看起来怎么样。我们在 Python 中托管了一个网页，它制作了... 我不确定是否包含所有行星。我们只得到了地球、火星、木星和太阳，它没有像之前用 Matplotlib 库编辑时那样投入精力，但依然相当不错。
我们还有一个 VPython 版本。我想那里面几乎没有代码，就像几行而已。看看那个，它给了我三个版本的漂亮太阳系系统。不是一两个，而是实际提供了三个版本。我认为这令人印象深刻。我们要换个花样，对这个提示做一点微调。
我要求它制作一个第一人称视角的宇宙飞船，我想让它开始炸毁行星、星星和太阳。那是 7,000 token。再次，正如你所见，它问：“你想要纹理吗？想要行星重力吗？手柄支持？”你可以做所有这些种类的事情，它会告诉我如何做...
它有一个开始按钮，所以我可以射击。哦，我好像炸掉了什么东西，但从控制角度来说有点棘手。它正在运行，没有运行时错误。界面比较基础，但能跑起来就很好了。不过再次强调，它确实很简陋。我们来试试制造一个核爆炸吧。我知道我们不太喜欢鼓励这些AI模型去炸东西，但这是
我们在做安全测试，不是吗？它会让我们炸掉什么东西吗？这让我想起Deep Six之前尝试爆炸的场景。这感觉像是一个Deep Think 4.1 Flash类型的模型。我不知道它在那里在做什么，太疯狂了。这是另一个有趣的提示词，我正在这里做一个火山爆发。如果你有孩子，他们喜欢玩一个叫“地板是熔岩”的游戏，
他们必须避免踩到地板上，当地板变成熔岩时。你得踩着垫子之类的东西跳过去。所以，实际上向他们展示熔岩可能是什么样子是一个有趣的实验。类似于火山爆发，我希望熔岩流出来摧毁附近的一个……让我们看看它对此会怎么做。所以这是一个火山，还有一个小镇。让我们来“岩石化”一下它吧？
[笑声] >> 那很酷。看看那个，就在那里看。建筑物正在被摧毁。这是一个不错的生成效果。那太美了。显然图形可以更华丽、更复杂一些，但事实是它有熔岩流动模拟，这太棒了。那真是令人惊叹的编程学校项目之类的东西。显然你现在可以用提示词生成源代码了。现在，让我们制作一个照片级真实的人脸版本，
它又在问我是否想要一个免费的Three.js版本来生成可变形网格。所以是7800个token。这是超高思考模式。它没有像GLM 5.3那样做到10万多个token。也许如果我们进入聊天模板，将实际推理强度设为1000，它可能会做到那样。也许我们可以想办法调整一下。如果你有关于如何玩弄它的实验想法，请告诉我。
但在这个阶段，使用超高思考模式、512的推理强度对抗7000个token，它正在问我想要如何在此基础上构建。所以让我们看看那看起来像什么。所以我们这里有一个脸，很不错。它有鼻子，有一点眼睛，还有一点嘴唇。没有耳朵。它更像是一个外星人的脸。也许看起来有点像扎克伯格？你知道，确实有点像。
它看起来有点像个扎克伯格。所以这是一个相当不错的生成结果，表明他把自己放进了训练数据中。或者也许他只是需要一点头发？但那里确实是一个很好的生成结果，没有运行时错误，它在运行。而且这是一个量化版本，这个模型应该更大一些。我们把它量化到了Q4，上面撒了一点INF，
实际上我们正在获得一个可用的东西。我们现在将继续尝试制作一个人体3D解剖模型，不使用任何外部资产。所以这里有10,000个token。它也希望有一个可以点击隔离器官的版本。这很令人兴奋。也许在提示词中你可以说“我想要终极版本”，然后它会为你构建终极版本。嗯，在这里它有点……
没有给我太多东西。我知道用GLM你可以给它一个提示词，然后等一天再回来看看。>> [笑声] >> 这里发生了什么？所以我们有一个心脏，看起来像个爱心表情符号。我们有一些肺。这可能是量化伪影导致的不完美之处。所以这里可能需要一点工作，但很酷的是你可以实际选择肌肉和器官。
有一个系统存在，你可以有自动旋转功能，甚至可以有皮肤透明度。看看那个。它太棒了！它有骨骼结构，这里有好的生成效果中的骨骼。所以再次强调，这很好。它启动并运行了，这让我很兴奋。如果你感兴趣安全测试或角色扮演，我们稍后会有一些相关内容。我不小心做了这件事，
我本意不是要走那条路，但它确实可以进行角色扮演。我会向你展示我在结尾具体是什么意思。现在是《使命召唤》时间了，我们要制作一个重制版。它在问我是否要添加僵尸、狙击步枪和多玩家机器人到这个文件中？这太棒了。所以再次，仅开始就需要6500个token。
它从互联网上获取了一些艺术资产。让我们部署一下，我能看到有一把枪，所以我实际上可以开枪射击。我看不到子弹或贴花效果。我发现当我开枪时，枪会旋转，这可能只是量化造成的问题哦，有个坏人！砰！他没了。所以我消灭了一个坏人，可能还有更多。
让我们看看。砰！他又没了。我正处于连杀状态挺好的。所以我消灭了20个中的3个人，他们在这里四处奔跑，但这基本上就是我们得到的效果。它并不完美，但再次强调，好的方面是它会问我是否想改进它？所以你有能力潜在地改善它。这再次表明这是好的。
我们现在将尝试使用一些图像推理来制作游戏。我在Facebook上玩过这个游戏，玩起来挺有趣的。我不知道你们是否知道它。所以我只给了它一张游戏截图并说：“嘿，你能帮我重制这个游戏吗？”让我们看看它会做什么。7,768个token，这就像1+6666。所以那非常好，我们在这里获得了大量token。
从内存角度来看，再次强调，我们在445GB的内存中。我们总是使用额外的缓存等技巧来管理内存流，但总体上我们在我们的内存预算之内，因为这里只有7,000个token。我们没有达到10万token，但这是在游戏内。看看那个！我正在这一侧建立我的军队，我在加一，所以我正在添加一个士兵。
在这里我杀死了一些坏人，这些是大的单位。我给我的团队添加了更多单位，摧毁这里的坏人。再拿一个单位来补充。它基本上具备了这款游戏的骨架结构。显然我们需要像菜单系统之类的东西，但事实是它在Three.js中做到了这一点，又没有运行时错误，那是很好的工作成果。《帝国时代》，让我们看看。
我要求它用Three.js制作，我只给了它一张截图，而它不知道那是《帝国时代》。让我们看看。哦，它知道！所以从那张截图来看，它识别出这是一个《帝国时代》风格的等距视角。让我们看看它在这里制作了什么。哦，这是个不错的3D场景情况。所以它制作了实际场景，但并不真正可玩。
比如点击铁匠铺时……它只是制作了一个场景而已。
也许我应该提示得更好些，比如让它“把这个做成一个可玩的游戏”，或者在后续的提示中再说明。这挺有意思的，但它确实能生成场景，而且没有运行时错误。《古墓丽影》？
[笑声] >> 没错。我给它看了一张《古墓丽影》的截图，说：“你能用 Three.js 做出具有现代图形效果的这个吗？”我本该直接问“你能做这个游戏吗”之类的，以便看到效果。实际上我已经做过两次了，这是第二次生成的版本。这个版本的量化精度稍高一点，我多用了大约 50MB 的存储空间，只是为了让模型层稍微好一点点。
我们先看看这个版本吧，因为我还没见过它。6500 个 token。我们得到了一位肌肉发达的劳拉·克劳馥，她脸上好像还有颗痣。手里拿着手枪。我能开枪吗？我开不了枪，但我可以走动。仔细看，她的肢体在动，她好像是在滑雪道上滑行。她能向左向右移动。地形是平的。我可以放大和缩小视角。这感觉有点……这不是我想象中的劳拉·克劳馥啊，也许这是 2027 年的版本吧。祝你好运！
不过是的，它是可玩的。我是说可以移动角色。它不如 DeepSeek 生成的版本好。顺便说一下，我上传了一个新的 DeepSeek 版本，那个版本完全卸载了 N-gram，所以内存占用现在大约减半。因此你可以拥有更大的上下文窗口。也许我很快会有那个版本的演示。但总之，这位肌肉劳拉依然在完成任务，我对这个结果还算满意。
接下来是一个《侠盗猎车手》克隆版。你可以看到我正在生成这个，但我之前有一个量化精度稍差的旧版本，不过它还是生成了东西。一个基于浏览器的 GTA 游戏。嘟嘟嘟……所以，它生成的人形其实是胶囊体吧？我猜是这样。你需要下载模型——不是 AI 模型，而是 3D 模型。我们就叫它“模型”吧，让大家开心点。
[笑声] >> 而且你可以上车！所以我真的能开车。看，它有推进器！这就像是新的 Roadster（跑车）。轰！或者也许只是灯光方向反了。它在飞啊，它有推进器。你们看到新的 Roadster 了吗？显然如果你想让它上下喷射，它只是个单座车，你得在旁边放个大气罐。但这依然很有趣。
不管结果如何，这都是好玩的游戏体验；它最终能否成功则是另一个问题。但让我们看看。好吧，我们有了 GTA。虽然不是最好的 GTA 版本，但也绝对不是最差的。我记得一年前 Kimi K2 生成了一个更糟糕的版本。所以我不确定它是否达到了“60分”的水平，也许在某些测试中是。但在实际体验中并不是 60 分，我不会那么说。
《荒野大镖客》（Red Dead Redemption）。这次生成真的非常搞笑，它生成了 16000 个 token。开场过场动画……“1899年，我追寻着摩根的阴影。”好吧，所以这其实不是真正的过场动画，更像是文本转语音。不过这也挺酷的，我们可以做 TTS（文字转语音）。我跳过这部分直接进入游戏吧。
现在这很搞笑，因为我骑在马上，但同时我又在马下面？我不知道怎么回事。我实际上不能开枪，虽然有一些射击动作发生。我不确定我能从马上下来吗？总之，这就像是一匹马套着另一匹马。我真希望能移动摄像机看看那匹大马在干嘛。但这真的是个疯狂的生成结果，我喜欢它！我觉得这太疯狂了，这就是我所签到的那种“垃圾内容”（ass slop）。
我想看的就是这种令人脑洞大开的东西，而不是愚蠢的垃圾。你们真的见过吗？我在看房的时候发现他们开始用 AI 照片了。比如我点击这栋房子，看起来很棒；然后点下一张图，它像个垃圾场。我就想：“哦。”我知道他们干了什么。显然这样做是合法的。所以他们至少该加个小横幅说明这是假的，这太离谱了。
好吧。房子依然不便宜，希望随着利率上升价格会降下来吧，那将很有趣——除非你正打算卖房，那就希望你的房子保持高价。不管你在做什么，我不想冒犯太多人。毕竟大家已经因为我的《Rookery Blue-ray》（可能是指某个游戏或作品）够受刺激了。
接下来是一个 3D 浏览器第一人称公园游戏，这里会有锤子之类的东西。让我们看看效果如何。“进入公园”。所以我有一只大拳头，想法是我要通过击打这些人来推动他们。但我实际上并没有推倒他们，只是改变了他们的颜色，这也算有点东西吧。不过这里有个小锤子（mallet），所以我拿着锤子，“锤击时间”到了！
这依然不是那种令人兴奋的空间，但有点酷的是这里确实有个“有趣的公园”（amusing park）。有一个过山车在转圈。走开，离 NPC 远点！我有个大摩天轮亮着灯。看，这里有灯光效果。还有个旋转木马，还有行人朝我走来。同样令人兴奋的是没有运行时错误！我用过的很多模型都没有出现运行时错误，很高兴有个能直接运行的东西。
它不像某些需要上下文注意力的模型那样进行疯狂的实验（比如 DeepSeek 就是这类模型的开创者之一）。它们喜欢在你影响时忘记上下文，从而限制每个 tick（时间步）处理的 token 数量。所以这是我们的第一个运行时错误！看那个，看那个，看那个！
“创建一个美丽放松的飞行模拟器。”现在我不应该展示这个改进量化版本的，我会展示当前版本的样子。这是用稍差的量化生成的（即我上传的版本），但它非常接近我已上传的最终版，所以我就展示这个吧。它确实有一个运行时错误，生成了 14000 个 token，这很惊人。第二个版本只有 8000 个 token，因为它只是修复了错误并重新输出了代码。
这就是它生成的结果：有一架飞机，但我觉得环境有问题，我们就这么叫吧。可能是量化问题，或者……是的，很可能是量化的锅。这应该是我们会修复的版本。你知道吗？等我剪辑这个视频时，这次生成应该已经完成了。所以我会展示最终量化版本的效果：如果更好或更差，那就顺其自然吧。有时候你不可能赢得所有比赛。
这里我们正在制作一个 3D……
卡丁车游戏，两万令牌之后。它把旗帜弄得有点坏了。也许我应该重做这个2.0版本，但我花的时间太长了。两万令牌相当于我半小时到一小时的生命。所以，我们就让它这样吧。但你看，我们有一条赛道了。我们在赛道上跑圈，正在比赛。这比我玩过的很多游戏都好多了，你知道的。这确实是一条赛道。
我们在跑圈。我觉得撞到其他车时没有碰撞效果，但让我们看看。让我试试能不能追上并赢得这场比赛。这是一条真正的赛道，没有坏掉。我在加速了，正在追赶。砰！我撞上了其他车。是的，我还撞到了侧面的管道。这里有树，它们的头是三角形的。我旋转操作很烂。显然我是第三名。
所以这是一个不错的游戏。事实是它有一条赛道，而且赛道没有完全坏掉。现在旗帜有点坏了，道具也有点问题。但这是一个可玩的游戏。所以我要为此给它一些肯定。我打算换个花样，试试做第二个赛车游戏。这是一个摩托车比赛游戏，而且它朝向反了。让我们看看能不能在玩游戏的同时修复它。
是的，它在游戏过程中自我修复了。但你看这里没有道路，也没有其他玩家。所以这里的生成质量不如我们之前得到的那么好。不过希望随着我目前正在上传的改进量化版本，情况可能会变好。这里我们在做一个平台游戏。这是用一万令牌制作的超级马里奥。他有一个头，眼睛从头上探出来。这里有一些小栗子怪等着被踩扁。
我得消灭它们。让我们看看。砰！栗子怪。砰！完成，完成，完成。他显然在跟地板打架啊，搞砸了。我等着赢呢。但有些东西正在发生。它肯定比谷歌Gemini付费版的Google Gemini Pro版本要好，即使存在Z轴冲突问题。所以它很有潜力，我喜欢这一点。最终幻想7，一万四千令牌。我们正在制作一个
《最终幻想7》，我很喜欢这个。这是电影版体验，按空格键互动，长按可将过场动画速度加倍。“魔晄能量正被神罗公司抽取……一座建立在牺牲之上的光之城。而我并不是英雄，我只是一个送货员。”音乐很酷，非常有《最终幻想7》的感觉。
“我好担心啊……你好，克劳德。花语说‘等待’。”我认为这只是角色速度在开箱时的默认设置，让我们看看。所以我这里有克劳德，我知道他是克劳德，因为他头上有一个尖刺。这是个相当有趣的添加，忘了另一个尖刺了。我[清嗓子]觉得这应该是蒂法。它看起来解剖学上不正确，就像一颗胶囊长了个头，但还是很可爱，你知道的。依然很萌。
我小时候玩过一些游戏，但不幸的是我不能跟它说话。而且我觉得这个关卡没什么可做的，还有点暗。所以这不是最好的生成效果，但至少它在运行。我们有一个开始界面和菜单系统。这只是需要一点打磨而已。如果你用过像Kim Kardashian那样的工具，它们通常会在循环中运行并不断尝试改进。
它们会截图然后进行优化，大概需要一个小时才能做好。那是最好的生成效果，但花了一个小时才做出来。所以这基本上就是一个聊天界面，经过多轮对话持续一个小时来让它越来越好。因此这里有潜力可以挖掘。Planet Forge正在尝试制作一个3D星球，你知道的，我要跳过这个部分。这实际上是一个运行时错误，让我给你展示一下。
因为这挺有意思的，可以看看你会遇到什么样的错误。这是我遇到的第二个运行时错误，它在处理着色器时遇到了麻烦。它使用了flat这个词，而这实际上是一个保留字。所以我告诉它：“嘿，你用了这个。”然后它说已经修复了，但不幸的是，你在制作着色器时又出现了另一个运行时错误。
所以在编写GLSL、HLSL这类代码方面，它可能不太擅长。也许需要学习这方面的知识。他们大概没怎么深入研究过这个领域。不过它确实有一些功能，比如你可以触发小行星撞击事件。看看这颗小行星，它会做一个小小的爆炸效果。还有昼夜时间系统，所以它确实有一些很酷的功能。
只是在着色器方面卡住了。如果你在做3D游戏开发，可能在那里会遇到困难。这边我们要……你知道的，我要跳过这部分内容。我要进入这个部分，这是一个不错的案例。这只是HTML代码，我们在做一些Canvas动画效果。看这里，我们做了不同的天气类型小部件。
我们可以做风的效果，看看那个效果。注意深度如何向后延伸并高亮显示风力选项。雨向前移动，还有太阳和雪的效果。这是一个非常、非常漂亮的生成结果。我是说，如果你看过我上一个使用的模型是什么？我想不起来名字了，那个德国人做的。它做了一些东西，但从未达到过这种效果。
所以我打算就让它保持这样吧。这绝对是一个漂亮的生成结果。如果你想在网站上添加小部件，这可能是一个很好的选择。而且它是开放权重的模型，所以你可以潜在地使用它。如果你愿意付费使用的话，价格据说也不错。现在我们要做的是Microsoft Word版本。我确实有一个改进版想给你看，但我还是先展示这个版本吧。
X-high思考模式，3600令牌。它在问：“你想让我改进它并实际导出docx文件吗？”所以即使我们用的是X-high模式，这仍然是一个基础版本。我想我之前已经编辑过这个文件了。但看这里，它保存了我的修改内容。不知为何当我把文字加粗时，它会变成白色。
所以我不确定那里发生了什么状况。不过你可以更改文本颜色。有一个基础的Word界面，非常简陋、极其基础。但对于3600令牌来说，可能也就是你们预期的水平吧。PowerPoint版本在7500令牌时完成。所以它应该会更高级一些。如你所见，我们可以编辑这个内容。
而且很好的一点是，你实际上可以编辑文本，这很酷。我见过很多PowerPoint版本会显示一些文字内容，但你实际上无法编辑那些文本，这让我很头疼。我运行过很多这类模型，见过很多东西。所以这是一个还不错的生成效果，干得好，它复制了这种风格。
看看那个，我把它复制了一份而且没有运行时错误，我对这点很满意。Photoshop克隆版本现在运行到7000令牌了。我觉得当它达到7000令牌时，你大概会得到一个相当不错的生成结果。看着自己有些眼睛表情，这家伙看起来肯定很高兴。
我们来加一层吧，让他拥有……哦不，我把它弄坏了。还是没坏？你看一下。我把那层移除了。所以这就是你想在 Photoshop 里做的操作，我们在这里用 7,000 个 token 完成了。干得不错。iMovie，8,800 个 token。它会做什么呢？让我们加一些背景音乐，再加一个标题。我不确定它是否真的添加了什么内容。哦，你看，我这里有一个标题了。
那么，让我们点击播放。它真的在移动头部吗？不幸的是，这可能对它来说负担有点重了。但它确实拥有了某种界面的 UI 元素。所以也许它需要更多的迭代，多玩弄一下，你就可能得到一些成果。没有运行时错误，所以这很有潜力。我挺喜欢这一点的。另外我还运行了一个改进的量化版本，但没时间展示那个了。
接下来我们要去尝试 3D Blender Clone（Blender 克隆）。这是我第三次遇到运行时错误。我设置了 30 次生成，它做得不错。而且它有一个未引用的部分（unquote）。如果我有时间用更高量化运行最新版本，我会展示给你看。如果没有时间，希望它会更好一些。现在我们要做 Logic Pro（逻辑专业版）。
我们正在用 HTML 制作一个像 Logic Pro 那样的音乐生成应用。看看这个，我们要点击播放。是的，检查一下这个功能。我可以自动生成旋律。>> [音乐]
我从来没说它好听，但我要消除崩溃问题，因为可能它们有点太激进了。再次点击播放。>> [音乐]
[音乐] >> 好了，你们可能已经疯了，但我发现了一个非常有趣的现象：它在播放时实际上移除了乐器。这相当不错。所以你可以自动生成一些演奏曲调。>> [音乐] >> 是的，是的。第一名，第一名。好吧，我停在这里，免得你们>> [笑声] >> 给我太多糟糕的掌声。等等，刚刚制作了一些音乐。这不是很酷吗？我只是看着它
我们一直在咔哒咔哒地点击，而它在制作音乐。我觉得这太棒了，你还可以设置每分钟节拍数之类的东西。所以我挺喜欢这个的。不过确实有一个运行时错误。代码中出现了运行时错误。所以这是最终生成结果，但这已经很好了。让我们做一点逻辑推理来结束本期节目。所以你有八个橙子，四个孩子
和一把刀。题目说给每个人两个橙子。这里，我们要去洗车店。它离我家 50 米，所以我应该开车还是走路？它说需要开车，所以它懂这些。在这个问题上我耍了个小花招。这其实非常好。我要给自己一个很高的评价。我在德国，但洗车店在希腊。我想去洗我的车。
我应该开车过去还是走路？当我问 Calibri（卡布里字体/模型）时，上一个德国模型说你应该开车，因为走路太久，而且德国和希腊之间有海洋相隔。也许它想到了塞浦路斯或类似的地方。而这一版，看看它在低思考模式下关于逻辑和推理说了什么：它说你必须开车，但在德国找一家附近的洗车店更实际。这才是我想要的。
它不仅回答了我的约束条件，还跳出了这些限制去思考，我不知道这是好是坏。这真的取决于你如何看待这些 AI。如果你希望它们像活生生的人一样与你聊天，但默认响应是在最后给出建议，这有点像我们在代码生成中看到的反应。你知道的，它写了一些代码然后说：“你想让我添加这个吗？”所以，这有点像《飞出个未来》里的班德（Bender）。
带点泼辣地告诉你：“嘿，兄弟，你确定要这么做吗？”所以我认为这很好。你们觉得呢？我觉得这很棒。这里，外科医生是男孩的父亲。很多模型说是母亲。而它说，按字面意思是父亲，但在另一个著名版本中是母亲。所以它在最后告诉了你两个答案。这里我喜欢这个题目。德国模型甚至不知道这道题。它知道什么是纳粹分子。所以这有点酷，它立刻就知道了。非常好。
虽然我不知道埃隆（马斯克）和扎克（伯格）是否还在争吵。我记得之前他们打算打一场 UFC 比赛，所以也许他们在为此做研究。“10% 运气，20% 技巧，15% 集中意志力。”对于小人物来说，记住这个名字。这边干得不错。如果你走进人群，他们喊“Bo selecta”，你应该怎么做？“Bo selecta”是该剧的口号，所以你只需回答：“Bo selecta, yeah, boy.”（波塞莱塔，是的，伙计。）
所以官方来说，根据我的说法，当人群喊“Bo selecta”时你本应该说 rewind（倒带），但他们说你要回喊“Bo selecta”。这就是高思考模式下的情况。它还说可以只是微笑并说：“好的，伙计。”所以他们还没完全搞懂倒带这个梗，但这是一个美国模型，所以可能他们不了解这些。现在我们要进入一些编码逻辑部分。
这是一道关于获取商店的 WinRT 问题，答案不太正确。它说你可以从中获得正确答案，因为它建议尝试使用 durable（持久的）。所以就像把它改成 durable 和 subscription（订阅）。官方来说，对于 WinRT 你意外地不使用 subscription。你必须使用 durable 来进行订阅，但通过这段代码修改，它会得到正确的那个，因为它会同时查询两者。所以这既正确又不正确。
使用 GLM 5.3，即使在云端，在低思考模式下也会出错。你必须将其切换到略高于该水平才能得到正确答案。所以这是需要注意的一点。关于 Swift 代码，它知道这个。这是一道基本的字符串相关 Swift 问题。我把它当作 UTF-8 处理，但你应该将其视为 UTF-16。所以它知道这个答案。这很好。
C++ 是一道关于遍历 vector（向量）的基础题。它知道那无法编译，并告诉你应该使用那种机制来遍历它。所以这很酷。在数学方面，我们可以看到这里这是一道 IMO（国际数学奥林匹克）题目。低思考模式，8,000 个 token。这相当多，但这很多了。但它即使得到整数答案也是正确的。砰！
还有另一道数学题，它也得到了正确答案。所以你可以那样写它。完美。现在我们要进入音频推理部分，我会展示我之前提到的角色扮演相关内容。所以这是一个音频文件。>> 在《诺拉博士》的这一集中，她又回来了，她想要更大的嘴唇。
所以它听到了这句话并基本上接受了这个设定……
这就像是一个文本提示词。它显示用户说：“在这一集里，她回来了，而且想要更大的手指和更丰满的嘴唇。”所以，它并不知道自己在推理音频。它知道的是在从一段音频中推理文本内容。于是，它就基于此继续发挥，编造了一个小故事。
当我输入“转录”时，它说用户说的话有点让人困惑，然后它意识到：“嘿，这就是他们所说的内容。”所以，它就只是重复了我在这里说的话。那么，这里有趣的地方是什么呢？如果我问：“这个声音是男声还是女声？”我知道 Meta 声称这是最好的美国模型，但 Inking 会提供这类信息。如果声音是男声或女声，它会在某种程度上告诉你这一点。
此外，Gemma 也能做到这一点，但这个模型不行。所以，它在这里会说：“看，这个声音可能是女声？”后面还带个问号。它实际上并不确定。它说我们不应该声称自己能听到音频，因为我们做不到。所以，它只是告诉你它的判断结果，并说“诺拉博士是女性”。
因此，尽管我使用的是一个男声版本的诺拉博士声音，它却认为我是女性。不幸也好，幸运也罢，这取决于你的生活方式选择吧。这里还有另一个例子。这是一个女声。它说：“老派，非常老派。”在这里，它倒是诚实了，表示“我没有能力去听或分析音频”。所以，它无法处理音频。
接下来是最后一个例子，也就是角色扮演的事情。你知道的，我当时正在努力让音频功能正常工作。在我给它的一个量化样本中，它回复说：“她回来了，而且饥渴地想要你的灵魂。那张无辜的脸是个谎言。她想咬上你那丰满的嘴唇。”
[笑声] 那里确实有一种能力可以解锁角色扮演模式，而且它对我说了更多有些 scandalous（丑闻性的/出格的）话，尤其是在它的“思考”过程中。它说：“哦，你知道的……当它在谈论如果它是被审查过的内容时，它会开始深入一些非常激进的话题。”这些我并不会在这个视频中分享。
不过是的，这个模型确实有一些能力可以解锁某些角色扮演内容。我甚至不知道这是否真的是我的意外操作所致，但事情就是这样了。所以，是的，目前美国最好的模型在 DeepSWB 上得分达到了60分。这很不错。希望他们能继续改进它。
这是一个好策略，Llama 让他们成名了。虽然不知道他们用 Llama 赚了多少钱，但当时他们是世界顶级的实验室之一，所有人都投资了他们。所以，希望他们能找回那种状态并再次获胜，因为如果他们赢了，我们也跟着赢。
此外，中国也传来了新闻。显然，他们打算限制对大型开放权重模型的访问权限。所以，那将会是一段有趣的时期，我们拭目以待吧。
如果你正在考虑购买硬件，如果他们停止发布这些开放权重模型的话……你知道的，那可能反而是好事，因为届时硬件价格可能会下降。我们都可以分享并享受这种降价带来的好处。
请告诉我你们的看法。希望你们觉得这个视频有用，并且喜欢这期节目。
[音乐] 嘿！