DeepSeek V4.1 Flash 量化更新与本地集群部署

本期视频重点测试了 DeepSeek V4.1 Flash Edition 在最大思考模式下的表现。作者更新了模型的量化版本，包括 Q4i（需重新下载以获取新权重）和 Q9 版本，旨在提升代码输出质量。为了验证性能潜力，作者将 M3 Ultra 与 M4 芯片组合成本地 AI 集群进行运行。虽然当前处于调试模式，速度约为 14.9 tokens/s，但作者指出在发布模式下运行会更快。这种集群配置允许使用更多内存（约 436GB，此前为 427GB），从而支持更高质量的生成任务。

核爆模拟：思考令牌数量对视觉质量的影响

作者首先测试了“用 Three.js 模拟核爆炸”的任务。在 1,000 tokens 思考预算下，生成耗时约 500秒（不到10分钟），输出仅 7,000 tokens，效果为简单的烟雾和爆炸。当思考令牌提升至 10,000 时，耗时超过 20分钟，生成了包含冲击波、云柱和标志性蘑菇云的复杂场景。然而，进一步增加至 25,000 tokens（耗时约30分钟）或无上限思考时，质量并未显著提升，甚至因缺乏天空穹顶和光照上下文而显得更差。作者认为 10,000 tokens 可能是该模型的最佳平衡点，且提示词需更具体（如指定建筑破坏）才能发挥 GLM 5.3 等模型的优势。

写实人脸生成：量化版本对比与运行时错误分析

在“照片级写实人脸”测试中，旧版量化模型在 1,000 tokens 下生成了石质人脸。新版 Q4i/Q9 量化在相同预算下产生了更自然的面部特征，尽管眼窝略显凹陷。当思考令牌增至 10,000 时，旧版量化出现运行时错误需重试两次，而新版直接生成约 15分钟 的“蜥蜴人”风格图像且无错误。这表明新版量化虽然占用内存略高，但稳定性显著增强。在 25,000 tokens 下模型再次回归石质风格，无上限思考则导致运行时错误但提供了修复建议。最后测试的《帝国时代》现代图形化任务在 1,000 tokens 下生成了约 20,000 tokens 的代码，展现了模型对游戏场景的识别能力。

RTS游戏生成：从基础移动缺陷到资源采集的突破

在将思考令牌提升至10,000后，生成的3D即时战略游戏（RTS）在逻辑性上有了显著改善。此前1,000令牌版本中存在的地图移动方向错误（左移变右移）和缺乏寻路机制问题得到部分解决。虽然角色移动仍采用直线视线而非真实路径规划，但摄像机控制变得更加合理且符合逻辑。此时游戏支持资源采集功能：角色可以挖掘石头、收集木材和浆果，并能通过兵营训练单位。尽管无法操作农田且建筑生成缺乏实际建造机制（塔直接出现），但整体视觉呈现精美，为后续开发提供了良好的模板基础。

"So, let's increase that and make it 10,000. And we now made 30,000 tokens in total... the movement now of the camera works a lot better, more logical."

无限思考模式的悖论：功能退化与循环检测的必要性

当尝试使用25,000令牌及无限思考模式时，生成结果出现了反直觉的退化。虽然总输出达到34,000令牌并新增了摄像机旋转功能，但原本可用的资源采集和建筑选择能力完全丢失。作者指出，由于使用温度0（Temperature Zero）以获取最佳代码质量，模型容易陷入循环。为此启用了“思考检测”功能来识别并终止无限循环，但这导致了游戏逻辑的混乱。这一现象表明，在代码生成任务中，“更多思考”并不必然带来更优结果，有时反而会导致核心功能丢失。

"Sometimes you think more will be better, but in this case, maybe got a bit muddled up."

GTA5与Doom复刻：3JS图形潜力与碰撞逻辑的缺失

在转向第一人称射击游戏测试时，作者首先尝试生成GTA5。尽管初始版本卡在加载界面，但经过16,000令牌的修复后，成功生成了“Sunset City”场景。该版本支持摄像机旋转、角色跳跃及车辆驾驶，且方向光下的光照效果出色。然而游戏缺乏AI行人和警察，仅呈现为空旷的“巴伦城”，且车辆转向不够灵敏。随后测试Doom克隆版，使用37,000令牌生成。虽然纹理精美且恶魔模型逼真，但碰撞代码损坏导致射击无效。作者手动修复光照后展示了其视觉潜力，指出若解决逻辑bug，该模板极具开发价值。

《现代战争》生成：视觉还原与逻辑缺失

在测试《现代战争》游戏时，AI 生成了 39,000 tokens 的代码。虽然首次运行出现错误，但 AI 提供了修复方案。视觉还原度极高，建筑由砖块构成，且菜单系统甚至尝试了迷你地图和生命体征显示。然而，游戏逻辑存在严重缺陷：敌人射击无后果，碰撞检测虽产生弹孔贴花但未记录命中伤害。尽管有单腿敌人等怪异现象，但整体生成质量令人意外。

"It's done a good job. Maybe it's even tried doing a mini map on the menu system... So, very close adherence to the initial image."

《街头霸王》格斗机制：意外可用的交互体验

切换至《街头霸王》题材，AI 生成了 32,000 tokens 代码。仅凭截图提示，AI 识别出这是格斗系统并生成了 Cammy 与 Chun-Li 的对战场景。核心交互功能正常：跳跃、踢击（飞踢）、拳击及格挡均能触发，且 KO 机制生效。虽然动作库有限且缺乏精细3D模型，但作为格斗游戏的基础玩法闭环已成立。作者表示这超出了预期，认为只需增加更多招式和模型即可完善。

"I can block. I can kick... It's kind of cool that it's actually working as a fighting game."

《古墓丽影》与《刺客信条2》：氛围营造优于玩法深度

在测试《古墓丽影》时，AI 再次修复了运行时错误。生成的关卡光照极暗（需手动增强半球光与方向光），角色肢体动画“相当壮观”，但关卡缺乏目的性，仅能沿墙奔跑。随后测试《刺客信条2》，AI 准确识别了游戏版本，但生成质量不佳：角色身份模糊，刺杀功能无效。尽管有红色敌人能击杀玩家并触发重生机制，但整体玩法深度不足。作者指出这些游戏虽有潜力，但目前更像“给三岁小孩玩”的简单跑图体验。

"There's no purpose to this level... You just run end to end on the walls."

《战争机器》静态场景与 Blender 式3D建模工具

测试《战争机器》时，AI 未生成可玩游戏，而是创建了一个高质量的静态3D场景。该场景包含大教堂、水池台阶及主角模型，视觉相似度极高，但不可交互。最后测试了一个类似 Blender 的3D建模应用。该工具上下文窗口达 73,000 tokens，支持对机器人、飞船等模型进行缩放和动画（如摇摆）操作。系统具备本地存储功能，关闭会话后重新加载可恢复场景，提供了一个简易的3D建模与动画实验环境。

"I've got a robot there... Let's make him wobble. That's nice."

iMovie 时间线编辑器的代码实现与视频合并

在验证了基础功能后，演示者展示了 DeepSeek V4.1 生成的 iMovie 代码。这是一个基于时间线的视频编辑器，演示者将导出的代码集成到环境中，并加载了“清洁机器人”和“袋鼠人”两个视频片段。通过手动操作时间线，演示者执行了分割帧、删除特定画面以及合并两个独立视频文件的操作。最终导出的结果显示，机器人清洁马桶的动作与后续动作成功衔接，两个源文件被正确合并。这一过程证明了模型生成的代码不仅逻辑自洽，而且具备实际可用的视频编辑功能。演示者对此表示：“That's pretty impressive. They actually done something.”

500GB 模型的双机集群部署与推理性能

为了处理更复杂的任务，演示者将 Q9 版本的 DeepSeek V4.1 Flash 部署在由 M4 Max 和 M3 Ultra 组成的本地集群上。该模型体积高达 500GB，单台机器无法承载，必须通过集群化运行。在调试模式下，系统实现了约 13.4 tokens/秒 的生成速度。尽管当前的集群代码并非最优，存在优化空间，但模型已成功运行并能够描述图像内容。由于 DeepSeek 架构中包含需要跨计算机同步的复杂组件，这种分布式推理能力是本地部署大模型的关键突破。

量化策略对安全标签及生成质量的影响

在集群运行中，演示者发现完全未量化的模型会频繁触发 DS 安全标签（如“这是一个不安全提示”），导致生成中断。通过仅对部分权重进行轻微量化，成功规避了这些随机出现的安全拦截。在生成《古墓丽影》场景时，高保真版本生成了 36,000 tokens 的内容。与之前低精度运行相比，高保真版本显著减少了物理错误：角色颈部不再悬浮而是正确连接，场景具备了明确的游戏逻辑目的（获取偶像即获胜），并出现了骷髅等细节。这表明在更高保真度下，模型生成的结构完整性和逻辑一致性显著提升。

本地 AI 集群的极限挑战与总结

本视频完整展示了在本地硬件上运行 DeepSeek V4.1 Max 思考版的全过程。从代码生成视频编辑器，到双机集群运行 500GB 大模型，再到通过量化策略平衡安全性与生成质量，演示者验证了本地 AI 集群在高负载任务下的可行性。虽然运行过程耗时较长且需要复杂的代码优化，但结果证明了本地部署前沿大模型在创意生成与逻辑推理方面的巨大潜力。演示者希望观众能欣赏这一技术探索的价值，并期待社区反馈。

结论

DeepSeek V4.1 Flash在本地集群上展现了强大的代码生成与视觉还原能力，能构建具备基础交互逻辑的游戏及视频编辑器。其核心优势在于高保真量化版本显著提升了结构完整性，并解决了单机的内存瓶颈。然而，模型存在明显的“思考悖论”：增加令牌预算常导致功能退化或逻辑混乱，且需依赖特定量化策略规避安全拦截。目前该方案适用于创意原型开发及静态场景构建，但在复杂动态逻辑、碰撞检测及实时交互深度上仍有短板，尚未证明其能独立生成完全可玩的复杂游戏。