KeyFrame內部研究專用

🚀DeepSeek V4 Flash全面实测:Claude Code接入后连续开发7个项目,最便宜的国产模型!性能、速度与真实短板全曝光!对比Kimi K3优点和缺点都藏不住!是否超越Opus 4.8

AI超元域13 min中文
觀看原始影片

三句話摘要

DeepSeek V4 Flash 模型性能實測與 API 成本評估 DeepSeek V4 Flash 是目前最便宜的國產大模型,性能與成本的比例堪稱最優,適合作為高端模型的代碼生成副助手。 官方性能指標領先:根據官方發布的 9 項基準測試,DeepSeek V4 Flash 完全超越前代 V4 Pro,能力接近 Claude Opus 4.8,同時碾壓國產 GLM 5.2。

重點整理

  1. 官方性能指標領先:根據官方發布的 9 項基準測試,DeepSeek V4 Flash 完全超越前代 V4 Pro,能力接近 Claude Opus 4.8,同時碾壓國產 GLM 5.2。

  2. 知識截止日期有限制:模型知識截止於 2025 年初,無法回答最新實時信息,但對於需要歷史知識的任務仍可勝任。

  3. 複雜任務能力參差不齊:多步驟任務(網絡搜索 + 代碼生成)表現良好,但高精度 3D 遊戲開發與複雜互動設計較為粗糙,反映出參數量小的限制。

  4. 成本效益最優:API 定價相比 V4 Pro 更便宜,整個測試套件(包括 iOS 原生開發)僅花費 1.4 元人民幣,是國產模型中最經濟的選擇。

實用技巧與重點

  • 模型規格:總參數 284b,激活參數 13b,上下文窗口 100 萬 tokens
  • 官方性能對標:能力接近 Claude Opus 4.8,超越 GLM 5.2
  • 知識截止日期:2025 年 1 月
  • 測試任務耗時:
  • 《極光》科幻小說飛船還原 - 20 分鐘(需網絡搜索)
  • 《荒野大鏢客》騎馬遊戲 - 30 分鐘
  • Three.js 谷歌齒輪動畫 - 14 分鐘
  • 手繪燈泡 SVG 動畫 - 快速完成
  • 數學函數 MATHJAX 可視化 - 快速完成
  • 虛幻引擎 5 坦克遊戲 - 39-40 分鐘
  • iOS 原生被單詞應用 - 24 分鐘
  • API 消費統計:全部測試花費 1.4 元人民幣(充值 20 元後剩餘 18.58 元)
  • 上下文使用:iOS 應用開發達 100% 佔用

結論

DeepSeek V4 Flash 是目前最便宜的國產大模型,性能與成本的比例堪稱最優,適合作為高端模型的代碼生成副助手。

完整解析

DeepSeek 於今日發布 V4 Flash 0731 模型,官方宣稱其基準測試已接近 Claude Opus 4.8 水準,並超越國產 GLM 5.2。為驗證這些聲稱,測試者通過 Claude Code 的 API 調用功能進行系統評估。首先確認模型知識截止於 2025 年初,無法回答當前年份的實時信息,但整體知識完整度良好。

在創意代碼生成測試中,模型展現出良好的多步驟任務能力。要求模型搜索科幻小說《極光》並用前端技術還原飛船設計時,模型成功調用網絡搜索功能,耗時 20 分鐘生成了包含噴火效果、載物倉、磁場清除裝置等細節的互動式飛船,效果與 Claude 3 相近。

在遊戲開發能力評測上,模型的表現呈現明顯分層。《荒野大鏢客》騎馬場景還原耗時 30 分鐘,成功實現馬匹、風聲、馬蹄聲、天空葉片、動態照明等環保效果,使用體驗流暢。谷歌齒輪 Three.js 動畫則在 14 分鐘內完成,轉速計算準確、光影效果不錯,但齒輪間邏輯連接欠缺。手繪燈泡 SVG 動畫生成迅速,視覺效果模擬人類手繪的動畫流暢度尚可。

更複雜的任務測試顯示了參數量小的限制。MATHJAX 數學函數可視化順利完成,但虛幻引擎 5 坦克遊戲開發則耗時 40 分鐘,上下文窗口達到 96% 佔用,最終只實現基本框架,未完成所有設計需求(恐龍數量不足、坦克控制困難)。最後的 iOS 原生應用開發則意外成功:被單詞學習應用在 24 分鐘內完成全部開發,成功在 Xcode 編譯運行,功能完善(發音、收藏、測試、進度追蹤、主題設置),雖有深色模式適配的小 bug 但整體 MVP 可用。

最值得關注的是成本效益:整個龐大的測試套件僅花費約 1.4 元人民幣。這使 DeepSeek V4 Flash 成為國產模型中最經濟的選擇,適合用作主模型的代碼生成副代理,由高端模型負責規劃,由 Flash 執行具體實現,實現成本與性能的最優平衡。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。