大家还记得，我们当时把记忆模块卸载到了存储设备上。也就是说，我们实际上运行的是完整的高配版本。大家好，欢迎收看本期节目。我们又回来对 DeepSeek V4.1 进行评测了。这是更新后的版本，编号为 1017，因为这款模型显然在开箱状态下就全面碾压了其他对手。
这个版本有趣的地方在于，它的总大小是 510 GB，其中 40% 都是记忆模块。这意味着你可以将其卸载到 SSD 上，同时依然能获得相当快的速度。这些运行速度快得简直令人难以置信。接下来我会展示它在 M3 Ultra 上运行时，将记忆模块卸载到 SSD 的效果。此时它占用了 217 GB 的内存，而这仅仅是使用了权重状态的纯版本。
该模型是预先量化好的，我们就直接使用这个预量化的版本。如果你进一步对其进行压缩量化，可以获得更好的运行模型表现等等各种优势。但在这里，我将向你们展示它在本地运行的最大能力。说到基准测试数据，天哪，简直太疯狂了。比如 DeepSW 得分是 77分，这属于前沿级别的性能表现。
不过这里有个小注脚需要说明：他们表示在 DeepSW 测试中，使用了一种特殊的框架来获得这些结果。如果使用普通的测试框架，得分会低一些，大概在 60 分左右。至少对于旧版本他们提供了对比结果。而新版本从之前的 74分提升到了现在的 77分，所以之前大概是 60多分，现在变成了 77分。
也许在普通框架下是从 64分提升到了 67分，这是唯一值得关注的细微差别。但其他测试项目的表现依然很好。看看 Terminal Bench 的成绩，从 30分提升到了 40分。再对比一下 Kimi K2.5，也就是那个刚刚发布的终极版本，它只得到了 12分。这简直太离谱了。
在 Program Bench 测试中，DeepSeek V4.1 从 20分提升到了 29分。而 Kimi K2.5 只得了 17分，GLM-4.6 也只得到了 19分。所以这可能会成为即将发布的终极模型。我确实很喜欢他们开始使用的这种 10-gram（十元组）技术。我记得 LongCat 大约一年前就在用 n-grams，当时没人使用这项技术，他们还发表了一篇论文。
后来突然所有人都开始用 n-grams 了，大家又重新兴奋起来。显然这是一项旧技术，但他们又回到了牌桌上。尽管如此，我们现在是在本地运行它。我确实有一个 Q9 量化版本，那其实就是基础的量化格式。在这个纯基础量化版本中，我唯一进行额外量化的部分是视觉层。
目前我正在测试两个不同的版本。我现在运行的是完全量化或预量化的完整版本，同时也运行着一个进一步压缩的版本。因为我记得在之前的版本中，当我完全使用基础量化运行时，DeepSeek 触发了大量的安全检查。我不知道为什么它会那样说，感觉有点奇怪。
有时候当你稍微量化一下，比如 9-bit 可能是你能做的最高精度量化了，有时反而会得到更好的结果。不过无论如何，我们这里要运行的是纯版本，只是将视觉层量化到了 9-bit。这基本上是无损质量的。现在我们要开始体验了，大家可以看到我们正在运行它。
我刚才在这里输入了一个“你好”。现在的速度是每秒 15.5个 token。虽然只有 10个 token，但我想要给大家展示的是：看，它只使用了 278 GiB 的内存。这个模型总大小是 500 GB，但我们只用了 278 GiB。我会在这里实时展示运行情况。我们可以看到这里使用的内存是 326 GB，其中 280 GB 是被 DeepSeek 本身占用的。
其余的部分只是缓存文件。n-gram 卸载的工作方式是：它从存储加载到内存中，然后我把它丢弃回存储。但如果你有多余的内存空间，操作系统会缓存所有这些结果。所以你实际上是在获得免费的读取速度。基本上数据就存储在 RAM 中。
好的地方在于，模型的大部分都存放在内存里，当它运行时，处理速度真的非常快。例如在这里，我的第一次推理任务是生成一个核爆炸场景。在生成了 5000个 token后，我们达到了每秒 14.8个 token的速度。而且我现在是在调试模式下运行，所以这个表现应该算是不错的。
让我们看看它的对比情况。这是一个禁用了思考模式的核爆炸版本，生成了 5000个 token。不得不说，看起来相当不错。这真的非常、非常出色。我现在想展示的是当你把思考模式提升到“低”级别时的效果。“低”级别的思考会生成 25000个 token。
于是我们得到了这种极其酷炫的爆炸效果，看起来相当棒。我挺喜欢这个效果的。刚才那是思考模式设为“低”的结果。但现在我想展示的是火山爆发，因为显然我们不想鼓励这些 AI 深入核武器领域。所以现在我们要做一个火山爆发场景，这是禁用思考模式下的结果。
我们得到了一个非常漂亮的画面，看起来很美。如果我们把它和 DeepSeek 官方的聊天界面进行对比，这是他们在禁用思考模式下生成的结果。所以我们可以看到，我们在这里得到的结果是与其非常、非常相似的。我挺喜欢这一点，你基本上已经与云端服务持平了。
我想唯一的区别可能是他们使用了不同的温度参数或采样控制，或者可能有一个不同的助手提示词。所以那也许是唯一的差异所在。在这里我运行的是禁用思考模式，温度设为 0。但对于喜欢使用温度为 1的你们来说，我这里确实有一个生成结果，它被设置为最大思考模式，思考 token 限制为 10,000。
我们可以看到它思考了 10,000个 token，然后在第 10,000个 token处决定那是退出点。如果你希望它尽可能多地思考，你可以禁用“思考强制器”，那样它会超过 10,000个 token。它将一直运行到模型的自然结束点，它会正常地超额退出。
但因为我并不想在这里等待太长时间，所以我设置了 10,000个 token的限制。因此它总共生成了 20,000个 token，仅使用了 0.06 GiB的内存作为上下文窗口。DeepSeek 以优化上下文而闻名，他们使用极少的上下文空间，所以你可以利用更多的内存。
我们在这里仍然只使用了 282 GiB的内存，平均 token生成速度为每秒 15.3个。而且正如我告诉你们的，记忆模块是被卸载的。甚至还没有启用 MTP（多 token预测）。我要现在去开启它，它会运行得更快，而且会非常惊人。
好，温度设为 1，让我们看看它能“烹饪”出什么来。我们可以看到这里非常黑暗。这很美，火山喷发的效果出来了。看那些从火山口涌出的粒子，看起来太棒了。这里有一些建筑物，我想那是燃烧的熔岩流向建筑物的地方。
所以基本上画面非常黑暗，但我们确实看到一些建筑物在爆炸中受损，这很好。但我们要达到的是与 DeepSeek 官方所能生成的效果持平的水平。所以这是……
DeepSeek 生成的效果看起来非常棒，尽管重置按钮似乎不起作用。虽然它仍然会产生一些错误，但视觉效果令人惊叹，尤其是那种梦幻般的辉光效果让熔岩场景显得格外迷人。我重启了程序以展示流动过程，点击运行后可以看到一场黑暗而美丽的爆炸，大量粒子在进出中闪烁。熔岩沿着爆炸形成的通道向下流淌，最终点燃了建筑物。值得注意的是，生成这个场景消耗了大量令牌，我甚至不得不按下“继续”按钮才能完成生成。当时使用的是深度思考模式下的最大令牌数，挑战在于能否让本地运行的万词模型达到与之相近的视觉效果。
我尝试向它描述场景过暗，火山天空全黑的问题，结果它提供了一些关于光照和辉光的修复方案。应用这些修改后，我们得到了一个更明亮的火山场景，虽然亮度可能稍高，但能清晰看到熔岩流动及火焰部分。不过我发现熔岩流与燃烧部分似乎断开了，这可能是一个 bug。尽管目前还无法完全达到之前那种梦幻辉光的效果，但我确实很喜爱这种风格。随后我利用 DeepSeek 0.1 Flash 支持的图像推理功能，发送了截图并询问如何增加发光效果。它通过调整着色器、增强光照和过载辉光参数，成功生成了美丽且清晰的发光熔岩场景。
虽然仍存在熔岩流与燃烧部分断开的小瑕疵，但整体效果非常漂亮且清晰。能在本地实现这样的生成质量令人印象深刻。需要注意的是，我在旧款 M3 Ultra Mac Studio 上运行本地模型耗时约二十分钟（1200秒），而 DeepSeek 官方声称仅需两到三分钟。本地运行与云端基础设施之间存在巨大差异，但本地的优势在于更高的隐私控制和数据主权。尽管有传言称 DeepSeek 可能将请求代理给 Claude，但无论真假，本地部署在隐私保护方面确实更具优势。
这只是一个开始，我还展示了使用 Gemini Pro 处理相同提示词的效果，其表现甚至更好。尽管标签仍显示为 Gemini 3.1 Pro，但显然该模型已得到显著改进。鉴于谷歌推出了备受期待的新模型，现在是 AI 发展的激动人心时期。接下来我们将尝试其他令人惊叹的提示词，并与旧版本进行对比，有时旧版本反而胜过新版本。首先我们尝试生成写实的人脸实时渲染图，在禁用思考模式下就获得了不错的结果：颧骨立体、眼睛迷人、五官齐全。
接着我将温度设为 1，并在最大思考模式下使用一万令牌进行生成。虽然眼睑细节仍有缺失且人物略显秃顶，但整体效果依然出色，拥有丰满的嘴唇和完美的五官结构。有趣的是，在温度 1 的设置下未出现运行时错误，这表明模型稳定性良好。随后我尝试生成三维人体解剖图，在禁用思考模式下结果非常基础且怪异，像是一个带有红蓝光点的外星人。但当启用最大思考模式和温度 1 后，生成质量发生了质的飞跃：心脏位于左侧、肝脏肠道清晰可辨，且支持切换骨骼和标签显示。这堪称我见过的最佳人体生成效果之一。
……起来，所以如果你能在现实生活中实时切换器官和皮肤的话，这可能就是你的万圣节装扮。我不知道你们能不能做到这一点。如果你们能做到的话，请在下面的评论区告诉我。你可以旋转它，这看起来太棒了。看看背面。看啊，我喜欢这些骨头。所有骨头都是连接在一起的。看着呢。我的意思是，有时候[清嗓子]当我们不得不量化模型时，骨头会发疯，但这一次它有点……算是成功了。
我们有一个嘴巴，还有一个头骨。也许如果你能在它们之间加上一点透明度会更好吧。不过，10,000个token，我们甚至还没有给它完整版呢。我现在确实有一个正在生成的对比版本，温度设为零。如果我有时间的话，我会把它作为对比放出来，看看是否有任何改进。
接下来我们要尝试一个有趣的提示词。我说：“给我做一个你能做的最华丽、最闪亮的网站。”也许我以后可以改进这个提示词，但我只是想看看在禁用思考模式的情况下，它对网站能做什么。说实话，它看起来相当基础。那……太糟糕了。真难看。
所以现在我们开启最大思考模式，10,000个token，温度设为1。我们得到了Nova。超越极致……这看起来好多了。颜色有点不太对，不是我想的那种感觉，但它仍然看起来很漂亮。看看这个：3D运动、实时动效设计、公式和背心，开始项目。我说这仍然是一个相当糟糕的生成结果。这并不是最华丽的东西。
所以我调整了提示词，因为我真的不喜欢刚才的结果。我说：“给我做一个现代、闪亮的……”我加了“不要俗气”，因为我觉得前几个都很俗。我想要一个强有力的英雄区3D行动号召，以及令人印象深刻的组件。我想象它会做出超级华丽的东西。
所以这里我们禁用思考模式。不错，还行。我们有了一些成果。它仍然不是2026年或2027年的水平，仍然有点过于复杂。而且这里还是很基础，但请记住这是禁用思考模式的情况。
现在我们要切换到温度1、10,000个token、最大思考模式，并且界面要感觉充满活力。不幸的是，看那里。我们确实有一个运行时错误：意外的token。所以它搞乱了代码，因为我们把温度设为了1，很遗憾。我要指出的是，当你设置温度时会出现这类问题。但话说回来，这不是它无法通过后续提示词自行修复的问题。你只需要说出错误信息，或者让它在一个循环中运行，它会识别出错误，验证JavaScript代码、HTML代码，然后找出并修复它。所以这不是什么大问题。
但让我们来看看当你给它温度0和温度1时会产生多少token：26,000个。但当我们把它设为温度0时，不知为何它产生了34,000个token。所以我们将点击播放，完全相同的提示词，这就是它生成的内容。它在变好。颜色不再那么刺眼。“主停止构建”……也许“开始”按钮不错。这是一个有趣的生成结果。看，周围有一点点光晕效果，背景中有一个旋转的宇宙。
让我们向上滚动。看那个！我们得到了一个漂亮的图表。这正是我想要的组件类型。哦，这很有趣。你可以开始构建开放调色板。你看这个……看起来像一个实际的应用程序。这不是一个网站。我想知道这能在手机上运行吗？我的意思是，以前当我做网站时，让它兼容所有浏览器、在手机上正常工作、在所有设备上运行都非常非常困难。我不知道现在情况如何。我想大家都在进行软件更新，也许现在的状态更容易了？或者更难？我真的不知道。也许有更多地浏览器需要测试，还是最后大家都只用Chromium了？不太确定是什么情况。
让我知道你们是否喜欢这个HTML代码。你真的能部署它吗？它真的能在手机上运行，Android、Windows等等所有这些东西都能跑吗？Edge浏览器。它能真正运行吗？或者Firefox？那个现在有点过时了。所以让你的下一步移动可行化。这看起来不错。这是一个漂亮的界面。它不像前几个那么俗气。而且它是34,000个token，所以花了2,300秒。
但你们可能想看看一些游戏开发的内容。我以前是个游戏开发者，做过几款游戏。不过让我们来看看GTA克隆版会发生什么。我们思考一下……还是老样子，GTA 5网页版。它目前正在下载资源，这是它得到的屏幕画面。相当破碎，不太好。但关于这个模型的一件好事是，它确实支持图像推理。所以我告诉它运行很慢，光照主导了整个屏幕。我给了它一张它生成的截图作为参考，然后它说问题是由Unreal Bloom部件引起的。于是它决定重新打印出代码。没有抱怨，这让编辑更容易了。
让我们看看它做了什么。记住这是禁用思考模式的情况。我们屏幕上有一辆车，这里运行得稍微快一点了。它修复了Bloom效果。所以它识别出了正确的错误。因此，有时候你其实不需要思考模式，你知道的。思考可能对规划很有用，但对于这种修复已知错误的事情来说，它是一次性完成的。
不过速度虽然提高了，但还可以更快。这不太像GTA，更像是一个驾驶游戏。仍然很美。就像六个月前一样，这会非常棒。所以让我们把它提升一下。我们现在开启最大思考模式，10,000个token预算，温度设为1——给那些喜欢温度1的粉丝们。所以我们得到了34,000个token的输出。
真正有趣的是，这是一次性生成结果。所以我希望不会有运行时错误。让我们看看。“正在构建夜落之城”……哦，哦，看那个！它有一个语法错误。[笑声] 所以它两次创建了const变量car（汽车）。这就是当你使用温度编写代码时会出现的问题之一。在这里它可能选错了token。
所以我们大概可以直接去修改它。让我们去看看const car。你可以看到car实际上并不是首选token，首选的应该是start（开始）。那是模型对某个位置的首选token。但由于温度设为1导致的随机数生成器，让它使用了car这个词。当第二次出现时，const car……它本来想说player（玩家），但说了car而不是player。所以随机数生成器坑了我们。
现在，有一些方法可以绕过这个问题。你可以在采样时添加额外的东西……
说到编程，你可以设置一个特殊的参数来强制模型不选择所有令牌。但目前这个领域的现状更多是关于语法，比如左括号需要有右括号之类的东西。计算变量可能是一个我们可以开发并在此基础上构建的巧妙功能，所以这方面的工作正在进行中，很快就会到来。但理想情况下，我喜欢使用零温度设置，因为这样你能获得最佳质量，或者至少能获得模型排名第一的选择，而对于这种编程工作来说，这很可能正是你想要的。
所以我们将切换到零温度设置。GTA克隆版，零温度，26,000个令牌，最大思考模式。如果你不知道的话，我做了很多测试。我用过温度一，用过零温度，禁用思考模式也试过，甚至实际使用50,000个思考令牌。我做的测试比展示给你的要多得多，但我试图分享一些知识，因为很多人总是说：“嘿，你为什么用零温度？你必须用温度一。温度一是最好的。”所以我只是试图普及一下教育知识。
温度一时出现了运行时错误，零温度会怎么样呢？正在建造城市。哦，看那个！我们有一个城市了。没有运行时错误，它运行起来了。现在，它决定把我的角色生成在建筑物之间。让我们看看是否能容纳下。我可以行走了！这太棒了。所以我可以旋转相机，让我试试能不能偷这辆汽车。我在驾驶中，而且有引擎声音。幸运的是，我认为车里没有碰撞检测，所以这有点糟糕。
我相信如果我们使用工具调用运行这个程序来创建文件，它可能会投入更多精力。我记得我用Mimo做过一个测试，发现当我将其作为提示词时，它强制自己只创建一个文件，这降低了最终生成的实际质量。所以你可以做的是，如果你想在聊天界面中使用它，只需说“写这几个文件”，它就会包含每个文件的代码块；或者你可以启用工具调用，它会在你的文件夹结构中创建许多文件，这样会产生更好的生成效果，我猜这是因为它在模仿其训练数据。
我们得到了一辆车，图形看起来不错。我很高兴它通过一个提示词就工作了。毕竟我们在屏幕上得到了正在运行的东西。显然它可以改进得更好，但它的图形确实很美，而且确实在工作。它缺少的是任务系统，这有点遗憾，但也许是因为我把思考设置仅为10,000个令牌。如果我给多一点，它可能会有更多的规划并想出一些好的玩法。
说到这个，让我们看看它在图像推理方面的表现如何。我只是让它描述一只猫，它给出了非常不错的猫的描写。目前我正在运行这个生成任务中的完整模型，但视觉层被量化到9位，这几乎是无损的。所以这是Q9版本，仅对视觉层进行量化并将嵌入卸载到存储中。而这里这个是完整版本。我将完成我的测试，然后给出我选择的推荐方案，并在切换到不同模型时向你展示这里的差异。
我将用帝国时代系列来做这件事，这很快就会到来。现在我们要尝试重现我在Facebook上看到的那个游戏。显然那是一款流行的手机游戏或类似的东西。我说：“使用现代图形和3JS制作这个游戏。”这是禁用思考模式的结果。我可以捡起这里的士兵，但我刚死了。那不太好。不幸的是，我似乎无法射击。所以禁用思考模式时，它做了一些工作但没有完成全部任务。
也许在禁用思考模式下，你需要更详细地展开提示词，或者你可以进行后续回合。毕竟它只用了不到4,000个令牌，所以你有空间发挥。你可以成为这个游戏的领导者，不需要把它作为后台自动化任务留下。但我想如果你拥有生命系统的话，那可能就是你该做的：你只需说“让我赚一百万美元”，然后它就会继续去做。
尽管如此，我们将使用温度一设置，这实际上非常有趣，因为评论中有一些想法认为在思考生成或推理阶段应该使用温度一，然后在实际编码或生成阶段切换到零温度。这确实非常有趣。在10,000个思考令牌的预算下，它总共只生成了5,600个令牌。如果我们在这里查看，我们可以看到它在顶部令牌处关闭了思考标签。
也就是说，它想要在那个时候结束思考的第一选择令牌，因为你可以看到它在随机挑选树的分支。结果它选了一个没什么可说的分支，所以只思考了一小会儿，就在大约一千个令牌内自然地结束了思考并说：“让我们继续生成吧。”这是温度一在进入思考阶段时的一个特点。你可以做的是覆盖思考阶段，如果你愿意的话，也许这是我们可以自己开发并研究的东西，看看效果如何。
如果我们只思考或者我可以将其设为最大思考，也许我可以说目标思考量。如果它决定结束思考，我会说：“不，你不能在那里结束思考，你要继续进行。”实际上，有一个功能我很快就要构建，叫做“扩展思考”。如果它思考了一定数量后你想让它多思考一点，你按下扩展思考按钮，它就会将思考阶段延长一些。也许这样你会得到更好的生成结果。
我们将随着需要而开发这些功能，如果任何人也希望有这样的功能，请告诉我，这样我就可以优先处理。但我们将会用这个工具做很多事情，所以这里会很令人兴奋。现在我们要切换过去，我们将尝试帝国时代系列。在这里的帝国时代中，我只是给了它一张《帝国时代II》的截图。
它正确识别出这是《帝国时代II》。所以，在禁用思考模式的情况下，我们得到了类似代码的内容...
文件块，所以我们说：“这是你的索引文件，这是主 JS 文件，这些是你将从互联网下载以将其变成下载中心的 GLB 文件。”他们说：“你只需要获取一个模型，或者是一个三维模型或 AI 模型，然后你自己去做。”所以，是的，这就是你必须做的。他们希望手动完成它。
在温度设为 1、启用思考且上限为 10,000 token 的情况下，我们再次遇到了思考的提前退出。你可以看到这里它退出了思考状态，然后继续执行了，但那几乎没有进行任何实质性的思考。所以，尽管我们设置了最大思考模式，但由于我们将温度设为 1，它走到了树的一个分支上，并提前结束了思考。最大思考本意是让模型长时间进行推理的。
这是它生成的代码，我得说效果不太好。你可以点击建筑物，但这里并没有发生什么特别的事情。所以我切换到了温度 0。在温度 0 下，它思考了更长时间。实际上，它在介入之前真的思考了 10,000 token。所以我这里有一个强制思考机制，大约在 10,000 或 11,000 token 时，它说：“思考得够多了，我们要收尾了。”
理想情况下，你应该禁用强制思考机制，这样它会找到一个真正更好、更自然的点来退出思考状态。但事已至此。它只生成了大约 3,000 token，所以生成的内容再次相当基础。我实际上并不喜欢这个结果，因为你甚至无法移动它。
我对这次生成有点惊讶，因为之前它生成了这里这个非常漂亮的版本。你可以从树上摘苹果，可以砍倒树木。不过你不能在这里创建玩家，所以游戏性方面不太好。但你可以看到我们得到了一个真正漂亮精美的地图。而且我们也用了 10,000 token，所以并不是说 25,000 token 带来了区别。
用 10,000 思考 token，它在这里仍然生成了相当好的结果。所以 10,000 思考 token 制造了几乎相同的情况。我可以去挖一些金子，但我无法训练任何村民，不过是一个相当相似的生成结果。所以我原本期待的是类似这样的效果。
但不幸地是，我得到的结果是这个。所以它有所改进。我们将在其他领域看到一些精彩的生成结果。但在《帝国时代》中，也许是实时战略游戏方面，或者也许有一种方法可以通过提示词来解锁它。
也许是我正在使用的这个提示词的问题，或者我需要用普通话来做之类的。不幸的是，它在这里生成了较差的结果。或者也许我只需要说“超级努力地思考”。我知道在他们的聊天模板中，他们说了一些愚蠢的话，比如“这是你的终极思维状态”。他们有点像对待一个人那样与它交谈。
所以这很有趣。为了看看发生了什么，我拿了旧版 DeepSeek 的实际思考阶段中它进行过的推理内容。我只是想看看，如果我使用旧模型所做的推理，生成效果是否会更好。就生成而言，它确实产生了更多的 token：从 25,000 思考 token 中得出了 18,000 生成 token。
看看这个，现在我们有了这样一张地图。它有点类似于我们之前拥有的那个。现在我们可以摘一些苹果了。我的意思是选择机制有点不完美，但它是一个比之前更接近的生成结果。而我所做的只是采用了旧模型进行的推理过程。
所以从生成角度来看，它仍然在那里。这可能仅仅是与提示词有关的问题。也许你需要说“超级努力地思考”。也许他们做了一些调整之类的东西。或者可能是因为我在用那个预量化版本。
我发现有时当你量化一个模型时，我不是在说 Q4、Q3 或 Q2，我是在说像 Q8 这样的量化。有时候这些版本运行得比未量化的版本更好。我有过那种奇怪的经历。如果你们也有过这种经历，也请告诉我一声。
在这里，我想看看是否可能是图像推理出了问题。所以我让它制作一个包含照片的 3JS 文件作为建议。它从未给我截图，我担心那可能会让它困惑。而这一次在温度 0 下确实思考了 10,000 token。我们制作出来了，但出现了一个运行时错误。
我要求修复那个运行时错误，这就是它在那里生成的内容。这里面什么是好的？显然，与我们之前看到的相比，这是一个很糟糕的生成结果，但这里有什么是好的呢？我们实际上得到了一个敌人。
他们已经在派士兵进攻了。我要输掉这场比赛，因为我之前尝试玩过这个，不幸的是我总是会输。所以我要尽可能多地训练一些士兵，因为我们要全力以赴了。
我们将制造一场小小的战斗。不，跑啊快跑伙计！进攻！让我们攻击这家伙。这个人需要逃跑。所以我们这里有一场战争。这是《战争时代》。这个人在被抓之前需要跑掉。这些人需要攻击那个人。
攻击这个人！砰！所以，令人惊讶的是我表现得还不错，但它能够在这里不断生产士兵。所以在发生一些作弊行为，因为我不知道他们是如何训练所有这些士兵的。
但这里好的地方是我们得到了一些真正的游戏机制，其中敌方 AI 正在将他们的部队派过来。我们这里缺少的是城镇和建筑方面的情况。你可以让这些人逍遥自地去砍一些树。所以这里有优点也有缺点，在这种情况下优缺点并存。
在这个场景中我所做的只是不再使用截图来让它困惑，而是只使用了文本一。我当时在想，也许是因为我将视觉层量化到了 Q9 的原因。所以我正在运行这个版本的是完整的预量化版本，也就是 DeepSeek 直接转换过来的那个可以让你运行的版本。
我在这里使用了图像推理功能。令人惊讶的是，在温度 0 下它只生成了 5,000 token。所以我不确定为什么，它制作了那个东西。我不知道为什么它会生成如此糟糕的结果。也许是我的提示词问题？
我不确定，我知道 DeepSeek 喜欢用系统提示词运行它，说“你是一个助手”。他们给它一个关于它能问什么和不能问什么的系统提示词。我喜欢纯粹地运行它，以确保所有参数都相同，没有任何偏差。
我们不是在测试框架，而是在测试实际的模型。正如我一直试图做到的那样。所以在我看来，预量化版本产生的结果比当你量化视觉层时要差。那真是让人费解。
我正在这里做另一个版本。是的，这是这里的另一个版本。这是一个 Q9 量化版。所以我稍微多量化了一点……
比视觉层更多的文本层，并生成了这个结果。我不知道这算更好还是更糟。总之，至少这次我们得到了一些房子。相比之下，之前那个可能稍微好一点。所以，也许这个 Q9 版本是目前可用的最佳选择。在我的测试中，它甚至比全精度版本还要好。这太疯狂了。
让我们换个方向，试着制作《战争机器》吧。嘿，换赛道了。我正试图做这款游戏，《战争机器》，新作品刚出来。有人玩过吗？我想玩，想看看有没有好的《战争机器》版本。我记得以前免费拿到过它，因为那时候我们使用虚幻引擎时，他们实际上将《战争机器》作为演示项目提供。所以第一版我们拥有它的源代码，前提是你有许可证。我记得公司当时要支付大约一百万英镑才能获得访问权限。那挺酷的。
所以，《战争机器》，我们要玩这个，而且现在是最新版的《战争机器》。这里有 7,000 个令牌。我们在思考，这是最大思维模式吗？是的，这是处于最大状态的思维过程。虽然设定了 10,000 个令牌，但我们只产生了 7,000 个。所以，当思维设置为 1 时，它选择提前结束思维回合。或者也许这只是模型的行为特性。
你可以四处移动。那个角色看起来像个机器人，他喜欢上下跳跃。那里有一段楼梯，尽管光线完全黑暗。所以我真的看不清发生了什么。它有点困惑我们是在做《战争机器》还是超级马里奥。有一些台阶，但我就是看不见。他只是不停地跳。
我们需要后续的提示来修复这个问题。这一次，让我们尝试做另一款第一人称射击游戏。这次我们试着制作《毁灭战士》。在禁用思维的情况下做《毁灭战士》，它只是生成了一个指向错误网站的网页链接，所以有点坏了。而且光线也有点暗。我发现它的光线确实偏暗。
但在温度为 1 且使用最大思维时，这是它的生成结果。这里实际上生成了一个不错的效果。我先展示一下它做了什么。首先，它产生了 16,000 个令牌。你尝试运行它时，确实得到了《毁灭战士》的界面，我们面前有一些恶魔，你可以四处走动，除了缺少一把霰弹枪。
我给它发了一张截图，你知道的，这是一个支持视觉推理兼容模型。我说没有枪可以射击。实际上在这种情况下，它决定重新打印出整个代码。所以它从未告诉我该修复什么。这一次只有 7,000 个令牌。我们点击播放，看啊，我现在有枪了。还有坏人。当我射击他们时，他们会变小。我认为这是一个非常棒的生成结果。
可能还需要几轮才能让它完全正常工作，但我们有了枪。我喜欢这张脸。看啊，它有表情符号的脸。这太棒了。我认为这是一个很好的生成结果，尤其是考虑到我们的上下文窗口只有 25,000 个令牌。如果我把这个提示给 GLM 5.3，那将超过 100,000 个令牌。如果我可能进行一些工具调用，那也会超过 100,000 个令牌。
所以，我们只是快速原型设计一些东西，在此基础上构建。这只是为了展示它能处理和改进的一些代码类型。所以我确实喜欢那样做。我要尝试加速这里的生成，转向《使命召唤》。我们试着制作《使命召唤》，你知道，《战争机器》、《毁灭战士》、《使命召唤》。我对这些模型越来越着迷了。
我记得以前我们常做贪吃蛇和俄罗斯方块。现在我们试着做《使命召唤》。太疯狂了。不幸的是，这里有一个运行时错误。嗯，是的，那没起作用。有时当你使用温度为 1 时，可能会失误。尽管如此，我们要继续尝试做《街头霸王》。非常贴切。我们得到了嘉米对春丽，只有 5,000 个令牌。
在 10,000 令牌的思维预算下，它不幸地决定过早结束思考。这不是一个好的生成结果。我真的什么都做不了。这里的生成质量不佳。之前，旧版本大概是温度为 0，思维预算为 50,000 个令牌。好吧，你知道这真的不算公平比较，但让我展示一下它潜在的能力。看啊，这是一个好的生成结果。
我们有踢腿、出拳，甚至还有跳跃动作。哦不，我输了。所以这是一个很棒的生成结果。也许为了公平起见，我需要将思维设置为 50,000 个令牌。我会放过这一点，但至少旧版本有潜力。现在这是一个非常出色的生成结果。
把最好的留到最后。我们在制作《古墓丽影》，好吗？我们看过 Muse Spark 制作的《古墓丽影》。所以我给了它一张漂亮的图片，说“你能重现这款游戏吗？”它完全知道这是什么。它是 PS1 风格的《古墓丽影》。我都不知道那是 [轻笑] PS1 游戏。不错。
所以它确实制作了《古墓丽影》。一直在处理这个，但你不能向前或向后移动。有枪。但 [笑声] 不过考虑到禁用了思维，这还可以接受。我们要切换到温度为 1，使用 10,000 个思维令牌。不幸的是，它只生成了 5,000 个令牌，所以没有利用最大思维。这是它制作的结果。
我们得到了这个劳拉·克劳馥风格的女人在四处奔跑。你不能切换相机，只能前后移动。但是看看这个。你知道，我喜欢这个，好吗？这是温度为 0，10,000 个思维令牌，我们总共得出了 26,000 个令牌。
也许当涉及到温度为 1 时，我们需要将思维设置为目标思考模式，因为如果它过早退出思考，你可能想鼓励它多思考一点。因为它这里生成的结果非常棒。看看这个版本的《古墓丽影》。看，肢体在移动。她在走路。她有眼睛，但她可以跳跃。她可以收集宝藏。这一关看起来非常棒。
看，墙上有这些小型雕塑。我们有光照。我们在收集这里的文物和偶像。你可以跑，可以跳，可以四处奔跑。这看起来是一个出色的生成结果。我没料到它会这么好。看啊，正朝你跑来。看起来很棒。
之前我用旧版本制作《古墓丽影》时，也许我可以展示一下让你回忆起来。它是在完全黑暗中制作的。所以我不得不人为增强光照等东西。现在，这个版本也非常出色。所以，我们正在尝试制作《刺客信条》，好吗？
现在，关闭思考模式后，它的表现并不出色。它非常、非常基础。这更像是一个游乐场，期望你用类似“角色”这样的模型或所有那些东西来替换其中的字符，才能开始运作。让我们看看能不能爬上墙壁？我能吗？我甚至都不能移动。让我试试。我要跑和跳。不幸的是，我无法爬上墙壁。
接下来，我们将把温度设置为1。温度设为1时，这里生成了很棒的内容。20,000个标记。这意味着它使用了10,000个思考预算的标记。看看它在这里做了什么。有一些Z轴冲突（画面闪烁）。忽略那个，因为如果你能看过去的话，水面和反射看起来非常棒。你看，能看到原木的实际倒影。但看看游戏机制。你准备好了吗？这太棒了。我喜欢它。
实际上你可以看到，我正在爬上墙壁。我在爬墙。我要去顶部。所以这是基于跑酷的。你可以四处跑动。我去了屋顶。我在奔跑。要跳到另一栋建筑上。抓住它。跳。继续跑。我可以从建筑物爬下来哦，看那个。太棒了。那很华丽。
继续跑和跳。跳下去。继续玩。跳到另一边。跳过来。跳。跳。然后爬上去。所以，这太棒了。我得说。而且我知道，我只是想象如果我给它更多的思考标记，它能做什么？那很华丽。我确实喜欢那个。而且那是温度设为1时的结果。所以，温度设为1在这里能做出很棒的生成内容。
关于温度设为1的另一个优点在于，它只是做到了。没有运行时错误。所以有时候你会走运。有时你运气不好。这就是随机数生成器滚动的结果。现在，我们将尝试做一个3D Blender应用程序，但是一个易于使用的版本。关闭思考模式时，它实际上做得很好。看那个。我可以移动物体。
我可以创建一个圆环体。看看。它只是有点缩放进来。所以我做了一支军队。你其实看不清。有太多东西挡在前面。但看，它只是有点缩放进来。所以是一个球体。看看。一个球体。也许基本图元非常基础。但看，我在四处移动。对于Inigo使用Blender且关闭思考模式来说，这是一个很棒的生成内容。干得好。
温度设为1时，它产生了55,000个标记。现在这里有趣的是，它生成了代码，然后看看这个。这就是发生的情况。而不是选择模型的第一首选（分号换行换行），它选择了分号换行，这使得顶部的标记成为闭合标签标记，进而使随后的一个成为闭合代码块标记。所以它有点只是说：“嘿，我写完代码了。所以这是回合的结束。”
然后它意识到：“我在中途被截断了。让我重新考虑一下。”所以它有点困惑了。我刚才所做的，为了继续下去，而不是选择随机数生成器的首选，而是选择了第一首选并继续生成，只是看看它会做出什么。你可以看到，它实际上闭合了body标签和HTML，并实际产生了一段可以运行的代码片段。
所以让我们现在运行它，看看它会做出什么。看那个。就在那一个小错误之后，我们需要有一些智能，它可以回退标记并选择不同的一个，而不是只是进行另一个回合。这里会发生一些事情。我们得到了一个完全成型的易于使用的Blender，并且我们有如此多的不同图元。
所以我们可以做一个交通锥，做一个礼物盒，可以做一个太阳系。有一个太阳系了。那太棒了。那里有个太阳系。还有一个复古电视。所以有所有这些你可以选择的图元。橡皮鸭是鸭子。它们是它们的宿敌。鸭子，它们喜欢到处拉屎。它们不思考要在花园里便溺的提示。它们在各地都拉。我不喜欢，不是粉丝。没那么可爱。
所以我们有树了。所以我们做了一个3D Blender。我们所做的只是选择模型的第一首选，它就工作了。所以这是你们可以玩弄的一个有趣之处。另外，制作一个温度为零的版本。目前温度零正在产生35,000个标记。所以这是一个持续生成的过程。是的，我不能完全向你展示正在发生什么。iMovie，我们尝试用关闭思考模式制作它。屏幕上有些东西。我不知道它会播放吗？
iMovie是一个非常、非常难的应用程序来制作。至少展示一下。嗯，温度一。它做出来了哦，那太棒了。那是iMovie。看那个。它是iMovie。现在我们能吗？是的，我们可以调整大小。所以我们点击播放。慢速。砰，那太棒了。它制作了iMovie。而且我可能可以导入媒体森林漫步。这里有媒体库。
我不知道它是否支持MP4文件。如果在浏览器中运行，可能可以。所以那是导出。正在导出项目演示。有些东西在发生。我不知道它是否实际做了些什么，还是只是在这里启动了一个小横幅。但那太棒了，因为它工作了。干得好。
23,000个标记。所以它确实利用了我给它的10,000个最大思考标记。Logic Pro，易于使用的Logic Pro关闭思考模式。你知道，它在做点什么。有点基础，但它在做点事。现在，温度一，10,000个思考标记，最大思考，我们点击播放，让我们看看得到什么。
我实际上一直在玩这个。它制作的音乐真的很好听。听听我的风格。你准备好了吗？
[音乐]
[音乐]
[音乐]
很棒的节拍，你可以重新生成并得出不同的结果。 >> [音乐]
[音乐] >> 好的，我要现在停止，因为我可能用我的氛围吵醒了邻居。但这一轮掌声，这绝对不是一个易于使用的Logic Pro。可能得重新开始制作一些游戏了，而且我已经解决了我的背景音乐问题。那很华丽。
所以为了总结，我们将做一些基本的逻辑和编码测试，只是节目中那些最难的。你喜欢这些演示吗？它们很棒。我喜欢古墓丽影。那真的很好。然后那个有火山的熔岩游戏，也很好。所以我在德国，但洗车在希腊。我想洗我的车。我应该开车去还是走路？
它说你应该开车，不要走。并且如果你在那里洗车的话就开车到希腊去。不过说实话，除非你有特定原因要在希腊洗车，否则你应该只是在德国找个洗车店，省去旅程。所以即使关闭思考模式，它也在给你一些你可能没问的建议。
现在启用思考后，它说你应该开车，但更实际的是在德国使用洗车店。所以它有那个建议能力。它知道某种逻辑
关于 WinRT，这大概是更难的编码问题。即使是 GLM 5.3 在低思考模式下也会答错。所以这里，当禁用思考时，它回答“durable”（持久化）；同样在禁用思考的情况下，它也答错了。这只是需要大家留意的一点。当设置为低思考模式时，它同时给出了错误和正确的答案。
它表示产品类型的订阅可能是“durable”。也就是说，你可以尝试两者：既可以用 subscription（订阅），也可以用 durable。这实际上行得通，因为在 WinRT 中，微软出于某种原因将关键标识称为 durable 而非 subscription。这确实让所有新手感到困惑，因为微软为什么这么做？
当你将思考模式设置为最大，但仅使用 1000 个思考令牌时——这有点像我之前提到的“最小化最大思考”，非常、非常少的思考，却生成了 3000 个令牌。关键在于它指出：对于订阅，不要假设是 subscription，除非你的商店产品实际报告了该类型。许多 Windows 商店订阅实际上被查询为 durable。
因此，它在这里给出的答案是正确的：你必须使用 durable。即使增加到 10,000 个令牌，它依然说同样的话：必须使用 durable。我认为这非常棒——当思考设为最大但令牌数较低时，它仍能给出正确答案；即便在低思考模式下也能答对。因为 GLM-5.3 在低思考模式下就错了，所以这次表现很好。
请告诉我你们对 DeepSeek V4.1 的看法。他们一边发布一边迭代，版本号是 1017。他们的优点在于——我不确定这对他们是否算好事，也许确实是好的——他们在发布聊天界面的同时，也同步发布了开源权重模型。这太棒了，因为大多数公司至少会先让聊天界面或 API 作为主要渠道运行两到四周甚至一个月，之后才发布开源权重。
如果你是 Meta，他们可能会在六个月后、模型已经过时的情况下再发布。但无论如何，我得承认他们在最终发布了开源版本这一点上值得肯定。他们可能需要通过更多安全措施、与投资者沟通，以及处理许多其他复杂事务。所以，最终能发布出来，值得鼓掌。
当然，这些团队正在大获成功。这可能是我们看到的最后几个 DeepSeek 模型之一。因为据说中国即将出台新法律，要求大型模型必须获得政府批准。这个版本可能没问题，因为它的参数量低于 1 万亿；但更大的模型如果法律通过，就必须申请政府批准。这将会很有趣。
请告诉我你们对 DeepSeek V4.1 的看法。记住，我们是将 engrams（嵌入模块）卸载到存储设备上运行的。实际上我们在 Next Studio 上运行的是完整版本，即 512GB 显存配置。这非常令人兴奋！希望你们觉得这个视频有用，并享受本期节目。