大家好，欢迎来到 SH 频道。今天我们再次测试 DeepSeek V4.1 Flash 版本，但这次我们将启用最大思考模式。我们会遍历所有不同的思维层级，展示该模型取得的进展。我们获得了一个新的量化版本，整体性能有所提升，代码输出的质量也更好了。接下来我会详细展示具体有哪些变化。此外，我们还将其部署在本地 AI 集群上运行。我将 M3 Ultra 与 M4 组合在一起，共同处理任务，以观察由此带来的质量改进。

如果你想跟着一起体验，量化文件已经上传完毕。我更新了一个 Q4i 版本并附带了权重，如果你之前下载过旧版，需要重新获取。同时我也提供了一个 Q9 版本。接下来我会进行一些有趣的生成测试，从轻松的内容开始，然后逐步过渡到更复杂的场景。首先我们要模拟一次核爆炸效果。

对于这个任务，我们使用最大思考模式，但仅分配 10,000 个思维令牌，以免代码生成耗时过长。这次生成了约 500 秒，不到十分钟。效果看起来不错：爆炸发生时产生了烟雾和冲击波，整体规模较小，仅消耗了 7,000 个令牌。现在我们将思维令牌增加到 10,000，思考时间超过 2,000 秒，接近二十分钟。

播放后可以看到更壮观的效果：强烈的光芒、清晰的冲击波以及标志性的蘑菇云形成过程。理想情况下，提示词可以加入建筑物被摧毁的细节以增加戏剧性，但目前的爆炸效果已经非常精美。接下来我们将思维令牌提升至 25,000，耗时约半小时。虽然每秒仍保持 14.9 令牌的速率（调试模式），但生成质量似乎并未显著提升，甚至可能略逊于前一版本。

问题在于缺乏天空穹顶和光照上下文，导致场景难以理解。因此，对于此类生成任务，10,000 个思维令牌可能已是最佳平衡点。随后我们尝试完全无上限的思考模式，生成耗时超过一小时，使用了 50,000 多个令牌。结果回归到类似 10,000 令牌的蘑菇云效果，但仍缺少城市背景等基础元素。这表明提示词需要更具描述性，例如对比 GLM 5.3 会自动补充背景 UI。

接下来我们尝试生成照片级真实感的人脸，仅分配 1,000 个思维令牌。模型在达到该预算后自动停止思考并生成结果。虽然眼窝略显凹陷，但整体面部特征优美且无镜头移动，旋转稍显迟缓但在 8,000 令牌下表现极佳。相比之下，旧量化版本在相同条件下生成了石质人脸，且增加令牌后出现运行时错误。

新量化版本在 10,000 思维令牌下成功生成约 15 分钟的内容，虽出现类似蜥蜴人的怪异眼部细节，但无运行时错误。新版本内存占用 436GB（此前为 427GB），得益于 Flash 版对上下文窗口的优化，额外内存开销可接受。最后我们测试《帝国时代》场景，仅用 1,000 思维令牌即生成约 20,000 令牌的现代图形版本，模型准确识别出这是《帝国时代2》并成功重构场景。

生成过程耗时约十三分钟，总时长超过二十分钟。启动后，系统正在构建游戏世界，整体生成效果不错，但存在一些明显缺陷：移动地图时视角表现不自然，左右方向似乎颠倒。玩家可以选择角色并分配任务，例如让一名持斧的角色去开采石头。然而，该角色缺乏寻路逻辑，只是沿直线径直走向目标；尝试让其采集树木时，系统仅显示“移动中”，并未执行实际收集动作。此外，虽然可以创建单位且兵营能训练新兵，但无法收割动物或农田资源。删除无效建筑时界面出现闪烁现象，这或许是仅使用一千个思考令牌所导致的局限。

为了提升效果，我们将思考令牌数量增加至一万，总生成量达到三万枚。新版本的摄像机移动逻辑更加合理流畅，村庄中出现了更多居民角色。资源采集功能有所改善：挖掘黄金和收集木材均能正常运作，但遗憾的是无法选择农田进行耕作，仅能采集浆果。尽管取得了一定进展，寻路机制依然缺失，角色仍采用直线视线移动而非智能路径规划。在建造方面，瞭望塔会凭空出现，缺乏真实的建筑过程与资源消耗机制，也无法通过常规方式补充单位。不过，这个三维即时战略游戏的基地外观精美，虽无法旋转视角，但作为模板已具备极高的开发潜力。

进一步将思考令牌提升至两万五后，生成的关卡依然美观且可控。角色可以采集浆果和木材，但部分树木无法砍伐，农田依旧不可耕种。寻路逻辑保持线性直连状态，缺乏智能规划。尝试制作村民时系统显示“训练中”，最终成功生成了新单位，但整体表现与一万令牌版本高度相似。当启用无限思考模式时，系统陷入循环。由于采用零温度参数以优化代码质量，容易触发死循环，因此启用了“思考检测”功能来自动终止异常。该版本总生成量为三万四千枚令牌，风格独特且支持摄像机旋转，但失去了移动能力。更严重的是，点击树木或石头不再触发采集动作，建筑也无法选择。这表明“更多思考”并不总是更好，有时反而会导致逻辑混乱与功能退化。

接下来演示了《侠盗猎车手5》的本地生成版本，尚未涉及第六代作品。初始运行卡在加载界面报错，经一万六千枚令牌修复后成功进入“日落城”。画面偏暗但光照效果良好，角色可跳跃并驾驶车辆移动流畅。然而操控转向略显迟钝，道路上随机分布着树木障碍物。最遗憾的是缺乏AI系统：没有行人可供互动，也没有警察追捕机制，使得游戏沦为空旷的荒野城市。或许引入温度参数能激发更丰富的内容生成。

最后尝试使用现代图形与Three.js技术重构《毁灭战士》。无限思考模式下生成耗时三万七千枚令牌，初始渲染缓慢且光照异常，怪物模型存在但碰撞代码损坏导致射击无效。经手动修复光照后，画面展现惊人的纹理细节与恶魔群涌的压迫感，虽功能残缺但视觉潜力巨大。下次计划挑战《使命召唤》，继续探索第一人称射击游戏的本地化生成极限。

用现代图形和Three.js制作这款游戏。我就直接上手试了一下。不幸的是，第一次运行时出现了错误，不过它提供了一些代码修复方案。于是应用了这些修改，并整理好了生成的代码。总共生成了39,000个token。这就是你得到的《现代战争》生成结果。实际上我增加了光照强度，因为原本有点太暗了。

这里有敌人向我射击，但被击中并没有任何后果。而且我实际上无法摧毁这里的任何一个敌人。虽然有真实的碰撞检测，你可以看到敌人身上有弹孔贴图生成，但并没有实际记录到任何命中伤害。所以有一些独腿人正朝我走来。不过看，它用砖块建造了建筑物。所以这还挺令人兴奋的。

让我们看看这个关卡有多逼真。这是最初的截图，在建筑物上放置砖块。生成结果非常、非常接近。它做得很好，甚至可能在菜单系统中尝试制作了一个小地图。你可以看到这里有一些类似生命值的显示元素。所以它对初始图像的还原度非常高，干得不错。

现在我们要进入游戏类型变更环节。我们将制作一款格斗游戏，《街头霸王》。我们让Cammy对战Chun-Li，看看能得到什么结果。生成了32,000个token，代码量很大。我在提示词中只说“根据截图制作这款游戏”，它就识别出这是街霸风格的格斗系统。

我们看看它实际做了什么。我想左边是Cammy，右边是Chun-Li。美国对阵中国，终极AI战争。我能跳跃吗？我似乎无法执行任何招式。通常你可以做出一些动作，但这里不行。KO！这还挺酷的。我做了个飞踢。砰。出拳、出拳、再出拳。能识别到这些动作挺酷的，我可以格挡，也可以踢腿。

作为格斗游戏实际能运行起来真的很棒。我已经连续击败对手两次了，这是一次出色的生成结果。确实需要添加更多招式，也许还要加入一些模型让3D模型正常工作起来，但这非常棒。我得说，我没想到会有这样的效果。

现在我们要跳进去尝试《古墓丽影》。在这一项上我要发疯了。让我们再次制作《古墓丽影》，使用相同的提示词：用现代图形制作这款游戏，只是利用图像推理功能。第一次运行时确实有错误，所以它提供了修复方案。让我们在浏览器中运行看看结果如何。我们得到了一个长脖子的古墓角色，哈哈！看起来不太行。

这个关卡我得说我们在四处奔跑，相当史诗级。可惜我似乎无法跳跃。但这确实很壮观。那里发生什么了？让我们转身继续前进。那些灯光上似乎有些照明效果，我提高了这个关卡的光照强度。它喜欢把关卡做得非常、非常暗，默认就很黑，但我增加了半球光照和方向光以便能看清情况。

这个关卡没有明确目的，你只需到达尽头墙壁并触碰它就行。也许如果你是个三岁小孩会喜欢这种游戏，在墙边来回跑动吧。但这里有很多潜力，比如肢体动画相当出色，干得好。现在我们要尝试更疯狂的内容，我说过要在提示词上发疯。这是《刺客信条》，我只给了它一张截图就让它执行了，实际上它知道是《刺客信条2》。

我知道这是《刺客信条2》的截图，我甚至无法说完这句话，《刺客信条2》是一款很棒的游戏。不知道现在还能不能玩，但当年我游玩时确实非常、非常好。同样地，第一次制作时有运行时错误，它提供了修复方案。让我应用这些修改并展示效果如何。这不是最好的生成结果，我不确定这是否真的是刺客信条角色，或者是否有我可以潜在刺杀的目标。

我认为刺杀功能不起作用，是的，关卡质量不太好。让我们四处跑动看看能做什么。我要去这一边跳过去，砰！在这个游戏中做些有趣的事情，不知道有什么目的。哦我死了？你看到了吗？有个穿红衣服的人杀了我然后重生，它有一些运行逻辑。这还不错。

现在我们要跳进去尝试《战争机器》，我在这上面发疯了，这是《战争机器》。看我们有个大教堂在那里，有个人在外面等待。我让它制作成游戏但不幸决定做成类似图形的东西。不过图形看起来很棒，你可以看到大教堂、一点水面台阶和主要肌肉男《战争机器》角色在前面。

它确实很好地制作了这个3D场景，虽然有点基础但不是最好的，只是非常棒。他们实际制作了很好的东西但不幸的是不可玩所以这是失败但令人印象深刻。现在我们要尝试一些商业应用，在切换到本地AI集群之前我们只是做一个像Blender这样的3D建模应用程序。第一次运行时确实有错误，所以我给了它错误信息它就重新打印出代码给我。

总共我们的上下文窗口是73,000个token，这花了不少时间特别是因为这不是我能运行的最快模型。我有个机器人在那里让我们给它一个动画，让它摇晃一下不错。我有艘飞船让我把它变大并给个翻滚动画哇SpaceX火箭不是吗？这里有个蘑菇让我们再制作些东西。

这里有机器人和树还有那边的塔我可以把比例调大它应该是个更容易上手的Blender版本来玩弄。也有保存按钮如果我关闭会话并重新加载我认为它保存在本地存储中因为点击加载它会再次出现。所以我们确实有一个简易版Blender来玩弄这相当不错。

好的，它们实际上起作用了。我还制作了 iMovie 的演示版本。iMovie 是一款基于时间线的视频编辑器，我已经将代码导出到这里，以便我们可以查看并尝试用一些视频来运行它。首先我添加了一个清洁机器人素材，然后在这里进行分割并删除了不需要的帧。接着我又加入了袋鼠角色的片段，同样进行了分割和清理。现在让我们看看系统能否将这两个部分合并在一起。

可以看到清洁机器人开始刷洗马桶，打开盖子并擦拭表面，随后画面应该切换到下一个镜头。果然切换成功了！这看起来确实像是一个功能正常的时间线视频编辑器。那么，我们能否真正导出这个文件呢？系统正在将当前时间线的状态导出为视频文件。让我们检查一下结果是否成功，是的，机器人出现了并且完成了切换动作。最终它停止播放，实际上将这两个独立的文件完美地合并成了一个整体。这相当令人印象深刻，他们确实完成了一些非常出色的工作。

接下来我们将深入探索集群计算功能。我使用的是 DeepSeek V4.1 Flash 的 Q9 量化版本，同时在我的 M4 Max 和 M3 Ultra 机器上运行。我刚刚要求它描述一张图片，该模型占用了高达 500GB 的存储空间。由于体积过大，单台机器无法独立运行它。但正如你所见，它正在生成对图像内容的描述。在调试模式下运行时速度约为每秒 13.4 个令牌，发布模式下的运行速度应该会稍快一些。

目前的集群代码并非最优状态，因此我计划进行一些优化以提升性能，但它目前是可以正常工作的。DeepSeek V4.1 包含了一些复杂的同步机制，需要在多台计算机之间进行数据协调。目前系统处于正常工作状态，这很好。让我们开始进行一次基于集群的生成测试。这个版本基本上是非量化的，但我发现轻微量化后的表现比完全非量化时更好。

我发现当模型以 100% 未量化的状态运行时，会出现更多的安全拦截提示。DeepSeek 随机插入一个“DS Safety”标签，声称当前提示词不安全或安全，这种情况在未量化版本中更为频繁。而我使用的这个版本虽然几乎未做量化处理，但仅对其中一个权重层进行了轻微压缩。我发现这种处理方式有助于避免那些愚蠢的安全标签干扰生成过程，从而让模型能够正常输出内容。

现在它正在再次生成《古墓丽影》风格的场景，速度稍微慢了一些。我们总共生成了 36,000 个令牌，让我们看看这次的结果如何。哦，画面变得非常昏暗，但仔细观察后我发现头部连接正常，光线效果也还不错。为了让大家看清细节，我特意增强了场景的亮度设置，即使它是在近乎未量化的状态下运行的。现在我们可以看到古墓丽影角色了，她的颈部与身体正确连接，并没有悬浮在空中。

这里有一个类似机器的结构正在运行，而且这个关卡似乎具有实际的游戏目的，不像之前生成的那样毫无意义。游戏的核心机制是获取偶像即算获胜，之后你可以像以前一样在场景中来回奔跑。看那边，世界上还出现了一个骷髅头！这确实是一次更有趣、质量更高的生成结果。当然，如果你更好地提示量化版本或使用不同的随机种子，也许也能获得同样好的效果。

不过需要注意的是，当你以更高保真度运行模型时，通常会出现更少的错误。例如之前我们看到的颈部悬浮问题现在已经修复了。这算是 DeepSeek V4.1 的一个预览展示，这是它的最大思考版本，向你展示了不同的思维层级。希望你觉得这些内容有用。运行所有这些生成过程以及配置集群功能花费了相当长的时间，希望大家能理解其中的工作量。

请告诉我你们的看法，希望你们觉得这个视频有用并享受了这次展示过程。