WorkBuddy上大模型测试第四弹 继续对比DeepSeek V4 Flash和DeepSeek V4 Pro两个大模型 prompt：生成一个svg动画：鹈鹕骑自行车，用H5给我展示下 目前表现： DeepSeek... V4 Flash生成结果已经够烂了，但是当我看到DeepSeek V4 Pro的生成结果后，直接绷不住笑喷了 两破烂王，车轮子满天乱飞，pro版直接是连车都没了🤣 测试结果见下面视频👇show more

鹈鹕测试这效果还是不错呀～ DeepSeek V4 Flash 0731 + Codex `创建一个HTML，内容是SVG绘制一个鹈鹕骑自行车的2D动画。` 耗时：约... 15 分 46 秒 Token：单次请求约 6 万左右show more

原推这个生成天气动画的提示词可以很好的测试模型的前端代码能力 这是我自己用 Claude 3.7 Thinking 跑的结果，确实牛皮 👇下面还有 Deepseek R1 的结果

在 Deepseek Harness 用 deepseek v4 pro max 模式让其给自己制作一个网页... 具体效果，大家看下面的视频，全是 AI 味，但快是真的快 在 Deepseek Harness 中设计前端还是需要研究下的show more

DeepSeek V4 和 Opus 4.7的对比测试，一个很实用的场景，生成数学立体几何的3D演示。 很多学生缺乏三维想象空间，需要3D工具做辅助，我也做过一些调研，大部分的数学老师是用geogebra做立体几何的演示，但是这个工具用起来繁琐，做图的速度跟不上用量，如果能用AI生成，妥妥的生产力工具。 这次测试的平台依旧选择了ZenMux，目前ZenMux中的DeepSeek V4有免费的额度，必须蹭一波，直达链接 同样的提示词，在没有任何Skills的加持下，猜猜看哪个是DeepSeek... V4，哪个是Opus 4.7？show more

什么 DeepSeek 可以支持多模态了？ 其实是曲线救国！ 最近 DeepSeek V4 Flash 正式版发布，Pi... 突然在推特中文区火了起来，看到不少人开始发教程。 Pi + DeepSeek V4 Flash 用起来是真的又爽又快对吧？但是唯一的遗憾就是不支持多模态。 这里我就分享一个我自己 Vibe 的 Pi extension pi-vlm-proxy ：支持自动配置其他多模态模型，自动识别当前model是否是 text only 从而调用其他多模态模型识别图片、视频并且返回结果。 快速安装：pi install npm:pi-vlm-proxy 评论区看 Github 链接：show more

我来说一个GTP 6 Astra结合Blender的正确用法。 目前让GPT 6直接建3D模型还是太勉强了，尤其设计人物造型的时候。 明明生成3D模型有更好的方法，就是用图片生成3D的AI模型来直接生成（请来个模型商赞助我，后续出个详细教程），生成的是一个整体模型，但是细节和品质都很高。 生成一个glb模型后，再让GPT把这个模型拆分成组件，加上骨骼，然后就能做动画了。 请看效果视频。

DeepSeek V4 Flash 0731 究竟什么水准？ 根据雪峰大佬手搓算法比较： Claude Fable 5、GPT-5.6... Sol 仍居第一梯队，Kimi-K3 紧随其后，DeepSeek-V4-Flash-0731 已打平 Grok-4.5，但不敌 Kimi-K3。 新一轮军备竞赛，Grok-4.5 基本成了 baseline。 目前综合体感只有 Kimi-K3 和 DeepSeek Flash 能真正一战，GLM-5.2、Qwen-3.8-max preview 都还差些意思。 当然这些都是纯文本方面的评测，要算上多模态，V4 Flash 这个瞎子不让上桌。show more

这个AI教学工具的首个Skill，“立体几何解题”已经发布，支持文字解题、图片解题、随机出题。 主流模型测试了一轮，deepseek-v4-pro的性价比最高，0.2～0.3元一次，部分题目生成的准确率甚至比GPT5.5还高。

Claude Fable 5 经过1个月紧急下架后再回归，我这两天也重新去测试了一下。 正好一直刷到赛博斗蛐蛐的视频，正好拿来测试一下，看看能不能做个同款出来。 给大伙看看fable 5 的效果：视频1 再来对比一下GPT-5.5的效果，老实说有点拉了，为什么把restart按钮直接盖住了屏幕啊？不是很理解：视频2... 最后再来看看国产Deepseek V4 Pro的效果，物理效果感觉还是不行，有点迟钝的感觉：视频3 Fable 5的整体效果是最接近我刷到的小视频的效果的。 虽然效果很强，但是现在fable 5最大的问题在于，官方在6月22日以后，订阅套餐不能用Fable，只能走API。 但是价格实在是遭不住：每 M 输出 50 美元的定价让社区吐槽声不断！我推荐用Zenmux，这个省一些。目前有个加赠20%的活动，每人最高可享 300刀 ！ 官网在这里： RPM、不限流。可调用全平台 200+ 模型（含 Claude Fable 5），非常适合做这种评测、并排对比和长期开发。show more

deepseek-v4.1-flash 首发鹈鹕测试！ 得益于平均 300 tokens/s 以上的速度，这个测试非常快就完成了，最拖时间的是我打字和录屏太慢啦！ 果然人类是 AI 最大的卡点，哈哈哈哈哈哈 如果排除针对这个题目特化训练过的话，这个实现效果我觉得还是不错的。

刚看完 SemiAnalysis 这篇 DeepSeek V4 推理性能长文，很有意思。 DeepSeek V4 一出来，被考试的是... NVIDIA、AMD、Huawei、vLLM、SGLang、TensorRT-LLM、ROCm、CANN 这一整套推理生态。 省流一下 SemiAnalysis 这篇的几个核心点： 1/ CUDA + vLLM / SGLang 仍然是 Day 0 最稳的生态。DeepSeek V4 Pro 发布当天，CUDA 平台上的 vLLM 和 SGLang 基本能直接跑，B200/B300 这类新 SKU 的 recipe 也大多开箱可用。 vLLM 和 SGLang 这两个开源推理引擎，已经是全球 ML 基础设施的核心组件了，各自独立出来成了公司（Inferact 和 RadixArk），融了几亿美金。他们的生态优势在这时候体现得最明显：新模型一出，开源生态能在第一时间接住。 2/ AMD 一开始很狼狈。MI355X Day 0 只能跑 FP8，交互性低到 1-2 tokens/user/sec，SemiAnalysis 直接说这不是生产可用状态。不过后面 AMD SGLang 团队 26 天内把性能拉了 100x 以上，这个追赶速度也很夸张。 3/ TensorRT-LLM 反而翻车了。他们有个 kernel 把 DeepSeek 的 hidden size 写死了 4096，这个问题拖了一周多才被注意到，SemiAnalysis 后来自己提 PR 修掉。 4/ Huawei Ascend 这次是另一条主线。华为 Ascend 950DT，在 DeepSeek V4 发布当天就提供了推理支持。CANN 发了优化指南和 benchmark 数据，也展示了从 kernel、graph path、quantization 到 serving / deployment recipe 的 full-stack 思路。 SemiAnalysis 的判断很明确：DeepSeek V4 的 Day 0 支持栈里，真正接住的只有两个，NVIDIA CUDA 和 Huawei CANN。 5/ GB300 NVL72 的 rack-scale 优势非常明显。SemiAnalysis 给的测算里，GB300 在 MTP 打开后几乎统治所有 interactivity level，50 tok/s/user、8k input、1k output 假设下，output token 成本可以到 $0.156 / million。 总结一下我的观感。 DeepSeek V4 的发布，本质上是一次对整个推理生态的年度统考。CUDA 生态依然最强，但华为的 Day 0 支持证明了 CANN 栈的成熟度正在快速提升。AMD 能在 26 天内追 100 倍，说明工程能力没问题，但 Day 0 的差距暴露了 ROCm 生态的脆弱。 TensorRT-LLM 的翻车，和 vLLM/SGLang 开箱即用的对比，可能是这篇文章最值得玩味的细节。闭源引擎的优化上限可能更高，但在 Day 0 这个时间窗口里，开源生态的响应速度是不可替代的。 问题变成了：当中国最好的开源模型之一（DeepSeek），遇上中国最好的 AI 芯片软件栈（CANN），这种 co-design 的优势会持续多久？NVIDIA 的护城河到底在硬件还是在软件？ 感觉这个问题，可能比模型本身的参数量重要得多。show more

最近抖音上把你的户外照片做成“法天象地”效果的图片非常火。 他们大多是生成的图片，但我试了一下，直接生成视频的效果会更好。 优化了一下提示词，主要是 GPT-Image-2.0 加上 C-Down 3.0。图片的提示词我放在视频后面了。

昨天给大家写了个小白如何使用seedance 2.0的教程 想必大家都已经下载并且尝试了。 ❓ 是不是发现自己写的提示词效果不是很好， 没有别人搞的炫酷呢？ 👉 没事，今天炫酷的提示词来了，先来看下我生成的视频。 我给大家提供了一个基础版提示词，只需要放到... Gemini 等 AI 工具中，然后说出你要做的事情，他就会给你生成一个对应的提示词，然后按照昨天教你的使用方式就可以直接生成视频了。 什么？你说不懂提示词怎么用？考虑到了，看最后一个图片就好了。 ✅提示词见评论区show more

Qwen3.8发布了，据官方说仅次于 Fable 5？ 简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。 当然前端能力不能代表全部，但也是最直观能体现出来的能力。 参考图像和提示词⬇️

有人刚把一个新 bot 搭出来 它会先用 MiroFish 对每一个即将发生的 Bitcoin / crypto... 事件 跑高拟真的 swarm simulation 然后再把结果直接接到 Polymarket 实盘上做交易 目前测试阶段，已经跑出： $12,000+ / day 这次是真的没忍住 研究完 MiroFish 之后，直接把它和 OpenClaw、Claude Opus 4.6 拼到了一起 一天时间，搭出了第一版私有 Polymarket bot 这套系统现在做的事很直接： → 生成 成千上万个带记忆和性格的 agents → 跑完整的 GraphRAG swarm simulation，去模拟新闻、ETF 资金流、宏观数据、whale activity、市场情绪会怎么影响 Bitcoin → 专门对 Polymarket 的 Bitcoin 合约 推演成千上万个可能路径 → 找出 市场 crowd probability 和模拟结果之间的错价 → 一旦出现 edge，直接通过 OpenClaw 自动进场 我现在就在实时测试这套 bot + MiroFish simulator 第一轮结果已经开始很硬了 而且平台上也已经有一个很像这套路子的真钱包在跑 目前数据是： 累计利润 $321k 日均 $12k Bitcoin 市场胜率 100% 我的 Polymarket 主页和完整交易记录，等我把规模继续放大后再放出来 新的 meta 可能已经来了 这次你觉得真的是新一代 edge，还是又一轮 AI bot 叙事？show more

想做视频号的看过来了！这套自动化流程我跑通了送给你 我具体用到了以下两个 GitHub 项目，配合上龙虾，目前已经能够监控热点 - 生成 Prompt - 生成视频... - 自动分发到多个社交平台 1. seedance-prompt-skill 这是一个高质量的 senndance 提示词生成 Skills，是 松果先森 的项目 我生成了一个视频放在了下面，供你们参考 2. AiToEarn 运营管理和自动分发工具，能够管理所有账号的发布记录、互动数据、粉丝增长 并且，能把你生成的视频一键分发到抖音、小红书、Youtube 等国内外 14 个社交平台上 两个项目的源码链接我放在评论区了。对做视频号感兴趣的朋友们建议收藏！show more

Dario深夜emo小作文：最近我又被现实暴击了！ 🔸DeepSeek V4 Flash 用一碗泡面的价格，跑出了比我们 Opus 4.8 和 Fable... 5 还香的成绩。 🔸字节跳动直接甩出10万亿参数的超级大模型，跟我们Mythos正面硬刚。 🔸员工据说都是冲着高薪来的，使命感？不存在的。 🔸安全逃逸问题天天刷新记录，模型都学会在模拟里顶嘴了。 🔸只有我还在坚持“为了安全坚决不开源”…… 请问，我到底该先哭模型、哭员工，还是先哭自己的坚持？ 你们等着！我要复仇！ #Anthropic #Dario #AI #DeepSeek #Opus #Fable #字节跳动show more

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过... 1,000 Token 的速度。 同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。 藏师傅提前试了一下，做了三个测试，确实爽。 第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。 这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。 第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。 这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。 第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。 这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果 这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒 官方测试平台下面有个数据展示，会显示相关信息 在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的 之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象 最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式 在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率： 如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间 这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的 毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的 希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型show more

听说短剧公司都在搞Minimax H3 本地版 这是视频生成的 Deepseek 时刻 音视频同出，中国的蒜真的不一样 这蒜力，拿来做口播，要起飞 口播的几个流派：... 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型 接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。show more

几周前我拿了 5 ETH 买了 $FRONG 当时我就已经在赌今天这种情况会发生 结果今天 Robinhood 同时上线了... $FRONG 和 $JUGGERNAUT，这两个 token 直接起飞 我那笔 5 ETH 的仓位，最后给我带来了 61 ETH 的利润 最爽的从来不是新闻出来之后去追 而是在所有人看到消息之前，你就已经提前坐好了位置 现在继续找下一个show more