DeepSeek 再次登场。近期中国实验室相当安静，这是因为本月上旬他们迎来了国庆假期，整整休息了一周。但不久后，DeepSeek 发布了目前可用的最佳开源模型 DeepSeek R1（注：原文为4.1/1017，结合语境及后续提到的Flash 1017推测可能指代R1或特定版本，此处忠实翻译原文数字）以及其推理引擎 DeepInfer 的开源。这揭示了他们在大规模运行如此庞大的 AI 模型背后的惊人秘密，具有重大的行业影响，基本上是对那些封闭的前沿实验室的一次有力回击，这非常棒。在本视频中，我将对其进行极具挑战性的测试。我们将涵盖其基准测试结果和性能表现，同时也会深入探讨 DeepInfer 的发布及其重大意义。让我们直接开始吧。
几天前，DeepSeek 发布了其最新模型 Flash R1（原文为4.1 Flash 1017，代表10月17日发布）。这个模型堪称猛兽， arguably（可以说）是目前可用的最佳开源模型。但与其罗列那些枯燥的基准测试数据，不如先进行一些实际测试，让你直观地看到它的能力。虽然你可以直接在他们的在线聊天界面使用这个新的 DeepSeek 模型，但该模型专为代理式编程（agentic coding）和长周期任务设计。它可以处理多个文件，并持续运行数小时以实现你的目标。因此，使用它的更好方式是配合代理式框架（agentic harness）。对于 DeepSeek 而言，最好的选择是他们自家的 DeepSseek 框架。你可以免费下载适用于任何操作系统的版本。
安装完成后，界面看起来应该像这样。它与其他框架（如 Codeex 或 Cloud Code）非常相似。你可以看到，代理可以同时处理多个项目。前沿模型已经能够执行一些极其复杂的任务，例如使用不同的工具、操作不同的应用程序，甚至制作视频和动画。那么，让我们用 DeepSync（原文为DeepSync，前文称DeepSseek/DeepInfer，此处忠实翻译）来测试一下。这是我的提示词：“制作一个动态图形解说视频。风格应为极简主义，黑底白字。主题是我们要如何首次计算出地球的周长。内容应通俗易懂，但也需深入探讨其背后的数学概念。确保通过图表或其他视觉元素进行解释。你可以使用任何你喜欢的工具来制作这个解说视频。”
DeepSeek 本身无法生成旁白，所以我指示它使用 Gemini TTS（文本转语音）来生成旁白。然后我粘贴了如何使用 Gemini TTS 的文档，并将模型设置为最新的 Flash R1（原文4.1 Flash）。在“努力程度”选项上，我将其设置为最高。我还设置了完全访问权限，然后按下运行键。好的，它工作了 36 分钟。在这里，它规划了不同的场景，然后使用 Gemini TTS 生成旁白。它还决定使用一个名为 Hyperframes 的开源动态图形工具来制作动画。以下是最终结果：“22个世纪前，埃及的一位图书馆员测量了整个地球。他只需要一根棍子、一个影子和一个角度。”
“埃拉托斯特尼知道同一条经线上的两座城市：赛伊尼和亚历山大，相距5000斯塔迪昂（stadium）。在至日中午，太阳直射赛伊尼。但在亚历山大，一根杆子投下的影子与垂直方向成7.2度角，即圆周的1/50。阳光以平行光线到达。一条穿过两条平行线的直线使内错角相等。因此，影子的角度等于地球中心的角度。”
“7.2度是360度的1/50。因此，两城之间的弧长也是周长的1/50。50乘以5000斯塔迪昂，即400万斯塔迪昂，约39,000公里，与真实的40,075公里误差在2%以内。两座城，一个影子，一个比例。这就是你测量一颗星球的方法。”
正如你所见，对于一款开源模型来说，这非常令人印象深刻。其质量甚至与我从 Claude 和 GPT 等前沿模型中得到的结果相当。让我调出使用统计数据供你参考。这次使用了大约 2,200 万个 token，缓存命中率为99%，说明它复用了大量内容。以下是其他统计数据供参考：我目前正在同时运行多个项目，因此稍后我会展示所有生成任务的总成本。接下来，让我们看看它在创建一个相当复杂的 3D 电子游戏方面表现如何。这是我的提示词：“你是一位世界级的游戏开发者。”
“在虚幻引擎（Unreal Engine）中制作一个程序化生成的 3D 游戏。用户以第三人称控制这个角色。”我只是链接了 SketchFab 上的这个 3D 模型。它需要自行弄清楚如何下载该模型。“她能够非常快速地奔跑并跳得很高，像忍者一样飞跃屋顶。你需要为角色添加适当的动画。”你可以去 Mixamo 寻找相关的动画，这是一个免费平台，包含大量可用于驱动 3D 角色的动画。
再次强调，我甚至没有指定它应该下载哪些动画。它需要浏览该页面并自行选择合适的动画。之后，环境应是一个程序化生成的中国古代皇宫场景。“在 Blender 中生成所有资产。”我在 Blender 中连接了这个 MCP 服务器，这将允许任何 AI 代理通过该地址控制它。因此，我将 DeepSeek（原文DeepS）指向这个它可以生成资产的地址。“然后它需要在虚幻引擎中程序化地渲染它们。”我还附上了一些照片供其参考。
“让它看起来尽可能详细、逼真和宏伟。游戏应在虚幻引擎中可玩。”它应经过优化，以便在普通笔记本电脑上高效运行。现在，这是提示词中最重要的部分：为了让它创建一个看起来不错的游戏，我需要要求它启动一个单独的“批评家代理”，该代理将扮演一位严厉的 AAA 级艺术总监。它需要从多个视角和缩放级别截取自己的屏幕截图，并根据游戏设计和美学评分（0 到10分）。超过8.5分为 AAA 级质量，7分为优秀的独立游戏等。它必须获得至少 8.5 分且零错误。”
“如果低于该分数，构建者将收到排名问题列表并尝试最多四轮。让我们按下运行键看看结果如何。”好的，实际上它运行的轮数比我指定的要多得多。它工作了 16 轮，批评家代理的最高分仅为5.5分。因此我在此回合后写了暂停指令，并使用得分最高的那一轮结果。以下是我们的成果：确实，它成功渲染了这个角色以及一些中国皇宫建筑的变体。是的，我可以移动这个角色。她能奔跑并跳跃过不同的建筑。”
“整体设计是存在的，但即使经过16轮迭代，质量仍远未达到 AAA 游戏的水平。而且它仍然明显逊色于前沿模型。”
就像Opus 5.5和GPT6 Astra，你可以参考这里的信息。所以我觉得在3D游戏方面，它还没有完全达到前沿模型的水平，大概只有80%的程度。这里有一些使用统计数据供你参考：这次实际使用了约3.75亿个token，缓存命中率达到了99.5%。此外还有一些额外的统计数据供参考。现在你可以看到，前沿模型在应用不同应用程序和工具方面表现得非常出色。
例如，我刚才展示了它如何使用Blender和Unreal的例子。接下来[喷鼻声]，让我们看看它是否能在我的数字音频工作站（DAW）中创作音乐。这是我的提示词：“你的任务是创作一首令人惊叹的欧洲电子舞曲（EDM）。你可以使用Waveform DAW中的任何VST插件或采样。我甚至不会告诉它我的DAW在哪里，或者如何使用它，它需要自己弄清楚这一点。”
你可以决定使用哪些乐器。如果有必要，你也可以从这个网站下载采样。务必添加变奏和效果器，比如上升音效、史诗般的Drop以及其他让音频文件颤抖的元素等等。确保所有混音和母带处理都正确无误。让我们按下运行键。在第一轮试听后，我觉得声音听起来很糟糕，于是我写道：“音乐听起来浑浊且平衡不当。增加更多听觉糖果、效果器、自动化控制、侧链压缩，并对音轨进行混音和母带处理，使其平衡良好。”
随后是第二轮。嘿，嘿，嘿。热。热。[音乐] 热。热。N. 热。热。[音乐][音乐] 这里升温了。[音乐] 热。热。N. 热。热。>> [音乐]
你知道吗，有趣的是，我在所有其他前沿的闭源和开源模型上都测试过这个提示词。Deep Seek生成的这段旋律听起来与其他的非常相似。我会说它不如我从GPT6 Astra或Opus得到的效果好，大概只有80%到90%的水平。但对于一个开源模型来说，这已经相当不错了。以下是我这次会话的使用统计数据，以及一些额外的参考数据。
如果你从事任何类型的内容创作，一定要查看Higsfield，本视频赞助商。它将一些最强大的AI图像和视频模型汇集在一起。你可以使用最好的视频模型，比如Cance 2.5。此外，他们刚刚添加了最新的Clng 4版。这将AI视频生成提升到了一个新的高度，具有更逼真的动作、更好的一致性以及对你视频的更多控制权。
Clng 4可以接收大量的参考图像，因此你可以将不同的元素组合到一个场景中，同时保持一切的一致性。真正令人印象深刻的是它的新关键帧功能。你不仅可以提供起始和结束图像，还可以指定多达10个关键帧来精确控制视频的进展。这样你就可以决定不同时刻发生什么，而Clng会自动生成它们之间的动作和过渡效果。
你还可以使用参考视频来引导摄像机运动和动作。此外，Clng 4可以生成长达30秒的视频，支持原生音频和高达4K分辨率。无论你是想制作电影级视频、产品广告、社交媒体内容还是其他任何内容，Higsfield都为你提供了一套强大的AI工具集来实现你的创意。请通过下方的链接查看。
接下来，这是另一个非常难的测试：我给它一个Airbnb房源的页面。它需要参考页面上的所有照片，并使用Blender重建整个建筑和内部结构，确保一切都详细且忠实于原貌。然后编写摄像机路径以像虚拟游览一样飞过该房产，最后渲染场景。首先，让我点击进入Airbnb页面并给你看一些照片。
首先是客厅，看起来是这样的。它面向泳池，泳池有一面奇怪的倾斜墙壁。客厅里有一些沙发。这边还有一张餐桌，加上这里的一个奇怪木制物体。这是另一个视角的照片。然后是一些外观照片。这里是泳池 again，有一面倾斜的墙，一边有一些沙发，另一边还有一个圆形的泳池。让我们按下运行键。
这次速度相当快，只用了1小时37分钟。这是生成的视频结果。你可以看到它并不完全忠实于原貌，存在大量错误。床看起来根本不正确。此外，天花板灯也不对。接着看客厅部分，你可以看到枕头似乎穿过了沙发，那里的一切看起来都很混乱。厨房桌子看起来还可以，但椅子又插进了桌子里面。
所以一切都没有正确对齐。这里是外部泳池区域，它未能渲染出泳池侧面的倾斜墙壁。所以整体来说并不完全忠实于原貌。它在一定程度上理解了事物的空间排列，但总体而言表现不佳。再次强调，这对其他开源模型来说真的很难做到，它们甚至无法完成这项任务。所以这已经非常令人印象深刻了，但肯定不如像GPT和Opus这样的前沿闭源模型。
供参考的是token使用量，以及一些其他统计数据。好了，接下来是你最喜欢的测试：找青蛙。我要上传这张图片，里面某处有一只青蛙。我甚至不会告诉它图里有只青蛙，我只是问它：“这张图片里有任何动物吗？如果有，请识别并圈出来。”让我们按下运行键。
让我展开它的思考过程。它想了很久，实际上是将图像分解成单独的部分。我展示几个例子：它基本上是在放大图片并查看不同部分；接着裁剪并放大特定区域；尝试调整对比度和饱和度。它进行了一些非常复杂的图像检测操作，比如检测图像的平滑度；尝试识别蓝色通道以及蓝减红通道。
它甚至试图作弊，尝试提取一些EXIF元数据。但我剥离了所有这些信息后，它仍然找不到任何东西。但过了一会儿，在放大这部分之后，它说：“哇，是的，这里 clearly 有一只小青蛙。”随后是它的回答：是的，我已经用红色圈出了它。确实，这就是那只青蛙。这是它的最终答案。超级令人印象深刻。
这是我遇到的唯一一个能成功找到这只青蛙的模型，太疯狂了。我的意思是，即使是Opus或GPT6也找不到这只青蛙。真的
令人印象深刻。接下来，让我们看看它在识别癌症方面的表现如何。我将上传一张包含六种不同脑部扫描图像的图片，每张都含有一种类型的脑肿瘤。我会要求它识别这六张图像中每种肿瘤的类别（如果有的话）。让我们按下运行键。这次处理速度相当快，耗时不到两分钟。以下是它的回答：对于左上角的图像，它识别为胶样囊肿（colloid cyst），这是不正确的。
对于第二张图像，它表示未识别出肿瘤，这也是错误的。第三张显示为“mining”（可能是误译或乱码），同样不正确。第四张再次表示未识别出肿瘤，这是错的。第五张也是错误的，第六张同样错误。因此，它六道题全错，这其实并不令人惊讶。即使是目前最好的模型，通常也只能答对其中一道题左右。
接下来让我们看看它在深度研究方面的能力。这是我的提示词：“分析阿尔茨海默病中淀粉样蛋白β（amyloid beta）和Tau蛋白的传播机制。对比这些抗体疗法，并严格评估近期第三阶段临床试验的认知和影像学结果。包含相关的表格和可视化图表。”它在20分钟内完成了这项任务。这个问题没有标准答案，主要取决于你偏好的写作风格或语调。
无论如何，让我打开这个自包含的HTML报告，看起来是这样的。这是目录，接着是一段介绍性文字。然后我们进入第一个蛋白质——淀粉样蛋白β（amyloid beta）。它提供了大量细节，并引用了正确的文献，如产生、成核与扩散、清除失败以及毒性和治疗意义等。
接下来是关于Tau蛋白的内容，同样涵盖了大量信息，如生理学和通路、成核与扩散等。这里还有一些治疗意义的阐述。接着展示了一个漂亮的表格，比较了这两种不同蛋白质的特性。下一部分介绍了抗体实际发挥的作用，这里有一些精美的图表和一个非常详细的表格，展示了不同抗体在各种试验中的效果。
随后是第三阶段证据部分，所有内容都非常详尽和彻底。事实上，我非常喜欢它在进行深度研究、综合数据和信息时那种既 thorough（详尽）又 concise（简洁）的风格。我认为这与GPT-6 Astra相当，并且远优于Opus 5.5，后者在医学研究方面显得有点懒惰和敷衍。
让我继续向下滚动以展示完整报告的内容。如果你真的想通读全文，可以随时暂停视频或放慢播放速度。但正如你所见，这是一份非常长、详细且 thorough 的研究报告，所有引用的参考文献都列在底部。现在这里显示的是令牌使用情况供参考，以及一些其他统计数据。
最后，让我们测试它的创造力和提出新想法的能力。这是我的提示词：“提出三个尚未存在但能利用当前技术和AI显著改善工厂化养殖动物生活的最高影响力想法。硬性约束条件包括：必须实质性地提高生活质量，能够大规模应用于大量动物，低操作难度和低运营成本。对于运营商来说，采用这些方案应该是显而易见的。”让我们按下运行键。
它思考了10分钟，然后给出了它的想法。最高影响力的不是一个仪表盘（dashboard），而是一个控制回路（control loop）。第一个想法是气候自动驾驶仪。这将导致热应激减少、空气质量改善和垫料更干燥。这可以应用于所有动物，并能降低死亡率并节省能源。
下一个想法是觅食自动驾驶仪（forage autopilot）。这将减少无聊和缺乏活动，改善腿部和垫料状况。这主要应用于肉鸡养殖。同样，这将带来劳动力节省、减少脚掌问题、降低死亡率等。最后是第三个想法，随后它对每个方案进行了更详细的阐述。
我只是向下滚动这份报告。如果你想阅读全部内容，可以随时暂停或放慢播放速度。再次强调，内容非常详尽。它首先阐述了问题所在、为什么这很重要以及产品如何实际解决这些问题。这就是报告内容，这里是本次会话的使用统计数据。
在运行完所有测试后请注意，总成本仅为6美元。我在开始时充值了50美元，目前余额为44美元。这便宜得令人难以置信。请记住，对于某些任务（如Blender建模或视频游戏相关任务），虽然耗时数小时，但最终总花费只有几美元。极其便宜且高效。
好了，以上是我对最新DeepSeek 4.1 Flash（版本1017）的一些快速测试。接下来，让我们对比其他模型，看看它的规格和基准测试结果如何。首先，这是对之前4.1 Flash版本的更新，它使用相同的架构。这是一个混合专家（MoE）模型，包含5280亿个骨干参数。
但当你使用它时，实际上只有160亿个参数处于激活状态，使其超级高效。事实上，其架构中包含大量优化技巧以实现这种极高的效率。我已经制作了一个完整的解释视频来介绍这一点，如果你感兴趣可以观看该视频。但在这里你可以看到，对于这个新版本，它在智能体编码、通用知识、自动化等不同基准测试中的表现都有显著提升。
在大多数情况下，它比前代模型高出几个百分点。它还击败了其他领先的开源模型GLM-5.3和Kim K3，在所有这些基准测试中表现优异。其性能与GPT-5.6（或Soul版本）基本持平，这也是我个人的体验。虽然它不如GPT-6 Astra强大，但令人惊叹的是，现在我们有一个开源模型，你可以下载并在本地运行，其智能水平堪比GPT-5.6 Soul或Claude Opus 5。
更疯狂的是，它在Deep Suite 1.1上甚至取得了77分的高分。这是官方排行榜，看起来已经停滞不前了，自从GPT-6.1或Opus 5.5之后就没有太大更新。但如果我们将最新的DeepSeek绘制在图表上，效果相当令人印象深刻。
还有另一个名为Kernel Bench的基准测试，用于评估模型编写复杂的GPU低级代码的能力。在编写CUDA代码方面，你可以看到最新的DeepSeek 4.1 Flash排名第三，仅次于最新的Cloud模型。但它甚至击败了Gemini For Argon、Claude以及GPT-6 Astra。
这里有一张图表展示了其惊人的效率。这是智力与每任务成本的对比图。理想情况下，你应该位于左上角（高智能、低成本）。正如你所见……
最新的DeepSeek模型就在这里，其效率甚至超越了顶级的GPT和Claude等模型。与之前的模型一样，DeepSeek决定开源该模型，这意味着你可以下载这种级别的人工智能并在本地离线运行。你可以在底部点击Hugging Face或ModelScope链接来访问和下载该模型。
尽管拥有超过5000亿参数，这仍然相当庞大，整体大小约为510GB。但由于这是开源的，社区迅速提供了一些压缩和量化版本。例如，Unsloth发布了几个GGUF格式的版本，最极致的1位压缩版大小仅为23GB。你仍然需要高端GPU来运行它，但获得这种级别的人工智能确实需要数千亿参数。
这是他们最新的大型语言模型，但我们还没完。几天前，DeepSeek还发布了他们的推理引擎，称为DeepInfer。这不是一个新的AI模型，而是用于在数据中心大规模运行DeepSeek模型的软件。它包含了如何优化数千个GPU上的各项操作、如何处理数百万用户请求以及如何尽可能高效运行的代码。
令人难以置信的是，他们免费发布了其中大部分软件供你使用，这是一个巨大的突破。DeepSeek公布了一些惊人的数据：单个集群每天可以处理高达155万亿个token。他们报告每GPU小时的收入为38美元，粗略计算下来毛利率约为80%。换句话说，他们的GPU算力成本估计仅占20%，其余均为利润。
请注意，这排除了其他费用，并且取决于硬件成本和需求的假设。尽管如此，80%的毛利率仍然非常惊人。另一个重要细节是DeepSeek报告的96%输入缓存命中率，这意味着他们服务的大部分计算已经处理过。因此，他们可以重用之前的计算结果而不是重新执行，这使得整个系统超级高效，也解释了其极高的吞吐量和利润率。
几乎所有一线实验室都将这些推理优化技术视为最高机密，这是他们核心壁垒的一部分——能够大规模服务AI模型并通过订阅向客户收费。但DeepSeek基本上免费公开了这些秘密，任何人都可以研究甚至商业使用这一点至关重要。需要注意的是，DeepInfer并非完整的生产系统，他们尚未发布完整的缓存或负载均衡基础设施，因此仅安装它无法完全复制其经济效益。
尽管如此，目前发布的内容已经极具价值信息。对于封闭的一线实验室来说，这通常是最高机密，我相信这一发布会让某些人感到极度愤怒。关于发布的另一个重要细节是：这不仅能在Nvidia芯片上运行，还能在华为昇腾（Ascend）芯片上运行。
长期以来Nvidia一直是AI硬件之王，大多数系统都围绕Nvidia GPU构建，一切与Nvidia栈深度绑定。但这里展示了我们现在实际上可以使用华为芯片大规模运行AI模型，这意味着存在真正的Nvidia替代方案。
这对中国尤为重要，因为出口限制导致中国企业难以轻松获得最新的Nvidia芯片。现在如果能在华为芯片上运行模型，意味着减少对Nvidia的依赖，从而降低受出口限制的影响。这不仅惠及中国，其他AI公司也能受益：如果你能在Nvidia和华为芯片上运行系统，就不必依赖单一供应商，这有助于缓解短缺和价格压力。
总之，以上就是我对最新DeepSeek模型以及DeepInfer的评测。据估计，这种级别的人工智能加上优化软件的价值可能高达数十亿美元，但DeepSeek决定免费公开一切供任何人使用的事实简直令人难以置信。再次向DeepSeek团队致敬，请在评论区告诉我你的看法。
一如既往，我会继续寻找最新的AI新闻和工具与你分享。如果你喜欢这个视频，记得点赞、分享、订阅并关注更多内容。此外，AI领域每周都有太多事情发生，我无法在YouTube频道上涵盖所有内容。
为了真正及时了解AI领域的最新动态，请务必订阅我的免费每周通讯简报，链接将在下方描述中提供。感谢观看，我们下期再见。