同一博主

🎬 一个视频搞懂 DeepSeek V4！

🧠 DeepSeek V4 评测与深度解析 📊 核心观点：性价比与工程效率的极致探索 DeepSeek V4 并非带来 AI 能力的“质变”飞跃，而是聚焦于如何在有限成本下最大化智能潜力。其核心价值在于极高的 Token 利用效率和针对国产算力的深度适配。面对智能体（Agent）高昂的运行成本（普通对话的 70-230 倍），DeepSeek V4 通过架构创新实现了“既要能力又要效率”的平衡，旨在解决 AI 落地中的价格痛点。 🏆 关键事实与评测表现 本次测试对比了 DeepSeek V4 Pro、GPT-5.4 Cloud、OpenAI 4.7 (Opus/Sonic)、Gemini 3.1 Pro、Kimi 等主流旗舰模型，涵盖基础能力与应用场景： 基础知识（海龟汤谜题）： DeepSeek V4 Pro、Claude Opus 4.6、Gemini 3.1 Pro 全部答对。 GPT-5.4 Cloud 表现最差，仅答对 1 题（误判蒙莫斯公爵缝嘴）。 逻辑推理： DeepSeek V4 Pro 与除 GPT-5.4、Claude Sonnet 4.6 外的其他模型均全对。 长上下文（100万字《全职高手》）： DeepSeek V4 Pro 和 Gemini 3.1 Pro 成功找到冷门武器重量；其余模型因超出窗口或未检索到而失败。 文学创作： DeepSeek V4 Pro 在现实主义短篇小说写作中表现优异，擅长氛围烘托与长跨度伏笔呼应（5000字后揭晓），优于 Claude Opus 4.6 的直白风格。 前端开发与视觉设计： 时钟/动画：DeepSeek V4 Pro 精度准确，效果属第二梯队（仅次于 Gemini）；GPT-5.4 Cloud 有瑕疵。 3D变速箱演示：DeepSeek V4 Pro 结构实现相对完整，优于 GPT-5.4（零件散落）和 Claude（齿轮方向错误）。 后端工程与智能体： 多用户系统任务：Claude Opus 4.7 架构最全面（含自动化测试、并发安全），DeepSeek V4 Pro 略强于 Sonnet 4.6。 稳定性短板：DeepSeek 在 OpenCode 智能体框架中易出现服务重启卡顿，需手动干预，体验不如 Claude 省心。 Token 效率优势：计算器项目中，DeepSeek 仅消耗 6万多 Token（Sonnet 4.6 为7万+，Opus 4.7 为10万+）；在 AI 黑客大战中修复量最少，攻防精准度高。 💡 技术架构与算力突围 模型创新： 规模：总参数 1.6万亿，推理激活仅 490亿（

🎬 本地AI哪家强？统一内存大横评！

🤖 核心观点 本地 AI 推理性能高度依赖统一内存架构的设计与优化。在长上下文和高并发场景下，不同厂商的技术路线（苹果 SoC 融合、英伟达封装互联、AMD 性价比堆料）展现出显著差异。随着智能体应用爆发，低成本、高隐私的本地算力成为刚需，硬件生态成熟度将决定最终体验。 💻 关键事实与评测数据 测试对象：MacBook Pro (M4 Max/M5 Max)、惠普 ZGX NANO (NVIDIA GB10)、玲珑星盒 (AMD Ryzen AI Max Plus 395)。 基准测试：使用 Llama.cpp 跑 Qwen2.5-35B-Q4 模型，输入长度固定为 2048 Token。 短上下文表现：M5 Max 预填充速度达 2581 Token/s，远超 GB10 (1535 Token/s)；解码阶段 M5 Max 凭借带宽优势领先，但 GB10 效率惊人。 长上下文衰减：在 32K 上下文中，M5 Max 预填充速度衰减 59%（降至 1063 Token/s），而 GB10 仅衰减不到 16%（降至 1295 Token/s），CUDA 生态优势明显。AMD 方案在此场景下表现吃力，预填充仅 249 Token/s。 并发能力：8 并发下，M5 Max 总吞吐量达 2400 Token/s；GB10 解码吞吐量翻倍至 123 Token/s；AMD 虽慢但考虑到不到 2 万元售价，具备入门性价比。 🏆 结论与技术解析 苹果 (Apple)：M5 系列采用 Fusion 架构，CPU/GPU 物理融合，通信效率极高且扩展性强（如 M5 Pro/Max/Ultra 灵活拼凑），适合追求极致单线程速度和未来扩展的用户。 英伟达 (NVIDIA)：依靠台积电 CoWoS 封装、NVLink C2C 协议及 CUDA 软件优化，在长上下文保持率和存储调度效率上表现优异，适合重度 AI 工作负载。 AMD：通过缩短芯片距离和优化布线实现低成本大内存，但在超长文本和高并发下性能短板明显，适合预算有限的入门用户。