原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

🤖 AI总结

主题

DeepSeek V4发布及AI应用分享会

摘要

DeepSeek V4发布,聚焦智能体能力提升,性价比突出;AI工具龙虾在PPT制作等场景展现优势,并讨论成本控制策略。

关键信息

  • 1 DeepSeek V4发布,聚焦智能体能力提升,性价比突出
  • 2 AI工具龙虾在PPT制作、事件触发等场景的应用与成本控制
  • 3 原点Talk分享会探讨AI技术落地与产业协同

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

龙虾和爱马仕?创作者应该做什么样的选择?DeepSeek V4发布,怎样搅局?今天在原点Talk分享会上展开讨论。

作者 | 孙封蕾来源 | 至顶科技今天,原点Talk分享会顺利举办,这场以“龙虾、爱马仕对决,DeepSeek V4一起说!”为核心主题的交流活动,不仅是一场AI技术与应用的干货分享,更是北京AI原点社区破解园区企业“物理集聚近、商业联动待深化”痛点、践行“上下楼就是上下游”产业协同理念的重要实践。软积木创始人、PEC China发起人刘海峰、低精力个人AI爱好者,前电力、城市轨道交通国企IT及云计算技术总监祁崧、至顶AI实验室研究员邓震东、至顶AI实验室联合主理人路飞结合自身使用经验,分享了极具价值的观点与思考。

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

DeepSeek V4 来了,有什么改变?

今天恰好正值DeepSeek V4发布,所有的目光都投向了这次新升级。

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

邓震东分享,DeepSeek V4与GPT 5.5同期发布,两者均聚焦智能体能力提升,DeepSeek V4拥有100万上下文,分为Flash与Pro两个版本,价格远低于GPT 5.5 Pro版本,性价比突出。

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

“DeepSeek V4的长上下文优势与高调度成功率结合,能大幅提升信息调用的准确率与稳定性,尤其在长流程任务中表现突出。”祁崧表示。

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

刘海峰认为,DeepSeek V4的发布不仅降低了使用成本,还能激活无效算力,对AI基础设施行业形成带动作用。

龙虾VS 爱马仕,谁能打?

龙虾和爱马仕?应该做什么样的选择,参会者围绕这个话题展开讨论。

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

邓震东介绍,龙虾不仅能完成文章撰写,还可截取PPT图片配图,甚至能调用Python PCS插件,通过代码方式制作PPT,并非纯视觉操作,有效降低了PPT制作的操作门槛。对此,路飞提出疑问,询问龙虾制作PPT是否烦琐,邓震东进一步解释,其核心依托插件与代码实现,操作难度可控。刘海峰补充道,龙虾制作的PPT规范度较高,可编辑性强,相较于其他大模型的同类功能更具优势,给参会者带来了意外惊喜。

此外,祁崧强调了龙虾在事件触发方面的独特价值,认为其头脑风暴功能实用性极强,尤其在事件触发能力上区别于传统工具。他举例说明,龙虾可实现群聊监听,当群内出现指定话题时,自动向微信发送提醒,这是传统工具难以实现的功能;此外,龙虾可基于自身平台完成自我学习,简单技能生成后可通过日常使用自主进化,无需投入过多精力维护,大幅提升使用效率。

“应对龙虾的输出结果保持零信任态度,默认质疑其准确性,结合具体任务场景判断是否可依赖——若任务允许小误差、大方向正确,可借助龙虾提升效率;若为严肃类任务,则需进一步校验。”祁崧说。

龙虾的“饲养”与进化,参会者也分享了各自的经验。刘海峰认为,无需刻意一开始就完善信息,可让龙虾在日常使用中自动抽取高频需求,逐步适配;邓震东表示,专业用户可通过了解龙虾的底层文件结构,手动修改相关设置,优化其提取信息的方式,小白用户则可通过长期使用实现自然适配。祁崧强调,持续使用是关键,遇到瓶颈时可参考行业经验,例如安装console插件替代默认记忆功能,提升龙虾对用户需求的理解深度,促进其技能与记忆的双重进化。

很多小白用户把大模型当成了搜索引擎来使用,刘海峰指出,这种使用习惯无需刻意改变,小白用户将其理解为搜索引擎,反而能降低应用门槛,随着使用深入,自然会发现其与搜索引擎的差异,挖掘其交互、多任务处理等优势;核心在于聚焦问题解决,而非纠结于名称定义。

怎么省Token

龙虾使用的成本投入与Token控制,是很多人关心的问题。

原点Talk分享会|DeepSeek V4来了,龙虾VS爱马仕谁更能打?

在讨论中,刘海峰提出,必要成本包括学习成本与模型使用成本,前期探索阶段投入较多,需根据任务重要性选择模型——重要任务用高效模型,普通任务用低成本模型,同时可利用平台已调教好的功能,减少重复投入;此外,模型接口会设置Token使用上限,形成天然防火墙。邓震东将成本分为硬件与软件两类,硬件包括本地设备(如Mac、AI服务器)或云服务器租赁费用,软件则指模型使用费用,建议根据自身需求选择包月等性价比高的套餐。

关于Token的控制技巧,大家各有妙招。刘海峰建议,拆分任务,避免在一个对话中处理多件事,通过新建Agent或对话,减少不必要的Token消耗;根据任务重要性匹配不同模型,避免资源浪费。邓震东表示,可缩短对话上下文长度,清理无关记忆,减少不必要的执行步骤,降低Token消耗。祁崧则提出,将任务分类处理,静态任务通过脚本实现,灵活且变化大的任务借助龙虾自主探索,结合多方式验证,在保证效果的同时控制成本。

刘海峰还特别带来了软积木即将推出的龙虾盒子产品,该产品主要面向“不会装、不敢装”龙虾的用户,实现开箱即用,自带原生系统,可独立运行,避免安全隐患,同时支持本地文件操作与离网使用。产品分为两个配置,8+128版本与16+256版本,售价分别为2999元与3999元(原文口误修正)。预售期间赠送不同额度的Token,后续可通过系统升级更新功能,适配更多模型与应用场景,引发了现场参会者的兴趣。

© 版权声明

相关文章