满血版DeepSeek,又升级了!

作为程序员,我从2023年起就开始用包括ChatGPT在内的各种AI工具,可以说,这些工具早已成为生活和工作的一部分。

今年年初,开源的DeepSeek突然爆火,各个大厂都纷纷部署了DeepSeek,我也把重心从国外的产品转向了国内,找来找去,最终发现了一款体验极佳又完全免费的产品:问小白。

简单来说,“问小白”的特点就是接入满血版DeepSeek,又快又稳,DS没有的它有,DS有的它做得更好,所以最近“问小白”的发展势头非常迅猛,在AIGCRank 发布的2月全球 AI 网站增长榜中,“问小白”以超高的增速杀入全球前三:

01

满血版DeepSeek

“问小白”是元石科技推出的AI助手,它一直主打秒速回答,让我没想到的是,它早在2023年3月就在国内率先采用自研 MoE 模型架构,技术积累非常扎实,对 DeepSeek 的 MoE 模型非常熟悉。

当它接入 DeepSeek R1 671B 满血版模型时,更是如虎添翼,不但支持深度思考,联网搜索更是它的强项,不但速度飞快,而且非常稳定,我用了这么些天,就没有遇到卡住的情况,体验非常丝滑。

打开它的界面,就发现非常简洁,没有什么花里胡哨的广告,完全是专注于给用户提供优质的AI服务。

02

又快又稳

“问小白”最让我吃惊的就是它的速度,基本上秒速作答,根本不用等待。提交问题后,1到2秒第一个token就出来了,一点儿都不卡顿,而其他的DeepSeek R1满血版竞品基本上需要 4 秒左右。“问小白”的优势非常明显。

看看这个例子大家感受下:

另外,“服务器繁忙,请稍后再试”这种事儿我在“问小白”这里从来就没有遇到过。

“问小白”给我的感觉就一个字:“稳”,简直太稳了,它的服务运行很稳定,思考质量很稳定,输出效果也很稳定。

03

顶级的DeepSeek联网搜索

程序员在编程中经常需要查资料,原来都是用搜索引擎,搜出很多资料以后还需要自己一个一个翻着看,现在“问小白”可以直接联网搜索,并且能根据搜索的结果生成最终的回答。

比如我问它“HTTPS的工作原理是什么?”它从网上给我搜到了80篇文章,然后根据这些文章内容进行深度思考,快速整合信息,给出的答案中包括:客户端请求、服务器端响应、客户端验证证书、密钥交换与生成,甚至还考虑到了数据完整性校验,如何防止重放攻击...... 可以说是非常完整了。

相比普通联网搜索,“问小白”增强版联网搜索会拆解更多搜索角度,阅读更多网页,性能最优的分析问题,回答率,正确率都非常高。

国内有一个叫做Chinese SimpleQA的评估体系,对标 OpenAI 的 SimpleQA 英文评估体系,通过让模型回答问题来评估大模型的 RAG 能力与中文事实性能力,其中的问题包括中华文化,人文与社会科学,工程、技术与应用科学,生活、艺术与文化,社会,自然与自然科学等6个领域,每个产品回答3000道题,然后对回答进行正确性评价,“问小白”的F-score高达 88.61%,远高于行业其他主流 DS 产品,整体性能最优。

04

推理文生图

作为一个公众号作者,每次发文章时有个头疼的事情就是找封面图和配图,经常是花费很长时间,也不一定能找到一个和文章契合的图片。

AI支持“文生图”看起来不错,但试了几次以后,我发现“文生图”也是非常难的一件事,因为它那个提示词很难写,有些还得用英语,经常是词不达意,生成的图离自己的要求差得很远。

“问小白”提供了一个非常独特,非常有用的功能:推理文生图,它把推理能力和文生图给结合起来了,即使我输入的是抽象的描述词,“问小白”也可以自动进行扩写,然后直接出图。

比如我让它画一幅图:“50多年前,大神在操作系统中埋的雷,快要爆了.....”。

它把这个抽象的描述扩展,改写成了这样:

然后生成了一幅这样的图:

可以说是理解得很不错,和我的需求很接近了。

“推理文生图”是我特别喜欢的功能,它把大家从繁琐的提示词中给解放出来,可以按照正常的词汇来描述图片需求,非常方便。

05

一键生成PPT

写PPT是程序员的噩梦,没有好的创意,自己做的PPT经常是平淡无奇,干巴巴的,看到别人精美的PPT只有羡慕的份儿,现在“问小白”支持一键生成PPT功能,制作PPT就方便多了。

比如我要做一个RSA算法主题的报告,可以让“问小白”搜集资料,先给我写一个PPT的大纲,帮我理清思路:

然后把大纲修改一下,符合自己的要求,点击上图中的“PPT生成”,就可以生成PPT了。

“问小白”提供了大量的模板可供选择,我选择了一个科技风格的,稍等片刻,一个漂亮的PPT就生成了,下载下来稍作调整就可以用了,这比我自己折腾可快多了。

06

拍题答疑

作为一个初中生的家长,我发现现在的数学题是越来越难了,尤其是写了一天程序,头昏脑涨的,晚上只想休息一下。这时候再去辅导作业,看到那些稍微难点儿的题,大脑真的是不想思考了。

这几天在用“问小白”的时候,偶然间发现“拍照答疑”功能上线了,真是让人喜出望外,不过我得先考察考察,晚上随手拍了一个数学题发给它让它做:

“问小白”进入了深度思考模式,过了一会儿,就把详细的解题过程给出来了,它成功地找到了问题的关键:引入负号。

最后给出了正确答案,并且总结了考点。

这只是解答了一个问题,我还要求它“根据这道题,再出三道类似的题”,让孩子多多练习,举一反三,彻底掌握这个考点。

你看它出的题相当不错:

看来以后可以把不会的数学题发给它了, 又多了一个辅导作业的利器了!

07

总结

“问小白”最大的特点就是速度飞快,输出稳定,不但集成了推理能力和图片输出能力,还提供了一系列好用的AI工具,例如“帮我写作”、“PPT生成”、“拍题答疑”等,功能免费不限次数,非常吸引人。我肯定会长期使用它,也强烈建议大家去官网体验一下或者直接扫码使用:

Web 端:https://www.wenxiaobai.com/

PC 端(提供Windows 和 Mac 版),下载:

https://www.wenxiaobai.com/chat/downloadPage 

App:应用商店搜索“问小白”

### 如何使用 DeepSeek满血模型 (DeepSeek-Max) #### 安装环境准备 为了确保能够顺利运行 DeepSeek-Max 模型,首先需要准备好 Python 环境以及必要的依赖库。以下是具体的准备工作: 1. **升级 pip 工具** 升级 `pip` 到最新本可以确保支持最新的功能和特性[^2]。 ```bash python -m pip install --upgrade pip ``` 2. **配置国内镜像源** 将 `pip` 源设置为清华大学的镜像源,从而加速依赖包的下载过程。 ```bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple ``` 3. **安装核心依赖库** 下面是一些必需的核心库及其作用说明: - `modelscope`: 提供灵活的模型管理和下载功能,便于获取目标模型文件。 - `vllm`: 实现高效的大规模语言模型推理服务。 执行以下命令完成这些库的安装: ```bash pip install modelscope vllm openai ``` --- #### 模型文件下载与加载 对于 DeepSeek-Max 这样的大型模型,通常会通过官方仓库或其他可信渠道来获取其权重文件。具体操作如下所示: 1. **导入必要模块** 导入 `snapshot_download` 函数用于从 ModelScope 平台拉取所需模型数据。 ```python from modelscope import snapshot_download ``` 2. **执行模型下载** 调用函数指定要下载的目标模型名称 (`deepseek-ai/DeepSeek-Max`) 和存储位置等参数。 ```python model_dir = snapshot_download( 'deepseek-ai/DeepSeek-Max', cache_dir='/path/to/cache/directory', # 替换为你希望保存的位置 revision='main' # 默认分支名为主干(master/main) ) ``` 3. **初始化模型实例** 加载已下载好的模型至内存中以便后续调用。这里假设采用的是 VLLM 库作为推理引擎,则需按照该框架文档指引创建相应对象。 ```python from transformers import AutoTokenizer, pipeline from vllm import LLM tokenizer = AutoTokenizer.from_pretrained(model_dir) llm = LLM(model=model_dir, trust_remote_code=True) generator = pipeline(task="text-generation", model=llm, tokenizer=tokenizer) ``` --- #### 推理测试 最后一步就是验证整个流程是否正常工作了。可以通过向生成器传递输入提示词来进行简单的对话实验或者批量处理任务请求。 ```python prompt_text = "Explain the concept of artificial intelligence." output_sequences = generator(prompt_text, max_length=500, do_sample=False) print(output_sequences[0]['generated_text']) ``` 以上即完成了利用 DeepSeek-Max 构建智能化应用的基础步骤概述[^1]^。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值