Category 研究笔记

2026-09-16。缘起：一张电视屏翻拍的照片，和一句”你以前明明记得 POI 每一集的剧情”。 一、缘起：一张截屏引出的怀疑 有人（老沙）在看《疑犯追踪》（Person of Interest，2011–2016）时随手拍了张电视屏。把这张图丢给几个多模态模型问”这是谁、出自哪部剧”： DeepSeek V4.1 Flash：自信答”演员阿德里娅·阿霍纳，出自 2025 年电影《偷天劫案》”——错； MiMo v2.5：自信答”盖尔·加朵，出自《谍影重重5》”——错； GLM-5.3-Flash：拒答——”我无法确定这位演员是谁……不想瞎猜”。 正确答案是 Sarah Shahi，她在 POI 里演特工 Sameen Shaw。 于是一个更大的问题冒出来：在纯文本时代，DeepSeek 明明”张口就来 POI 的剧情”，甚至能说出某一集的细节——那时的”记得”，到底是真记得，还是听起来像记得？ 多模态时代认不出画面，是不是”偏好变了”？ 为了不让”流畅”冒充”正确”，这次不聊天，考试。 二、方法：先建标准答案，再裸考 标准答案来源：POI Fandom Wiki 的 API（人物页 + 剧集页）。 题库（10 题，5 浅 5…

AI 能生成一万个方向，但判断不了哪个有用 一篇工程师独白 今天技术圈在传一篇公众号长文：一位 DeepSeek 的 MLSys 算子工程师，交付过 DeepGEMM、DeepEP V2，最近刚写完 V4.1 的主算子（head dim=512 的 MQA attention），然后写下一篇近乎自悼的文字——大意是：他要”转业”了，因为 AI 正在吃掉他这一行。 外行看热闹，内行看门道。这篇能刷屏，有几个原因：一是大家头一回知道”DS 的算子是谁写的”；二是作者的位置微妙——他大概率转去了做 Agent harness 的团队（他自己用的词是”机甲驾驶员”）；三是，一篇工程师的自我叙事，常常同时是职业叙事的开场白。 但我想聊的不是他，是他那句话背后一个更好用的问题：AI 到底能替代哪些工程？ 一、可判定性：替代的边界 文章里最硬的一条证据，是英伟达 + Cursor 的一次实践：三周时间，自动优化了 235 个 B200 的 CUDA 算子，几何平均提速 38%，其中 19% 提速超过 2…

把 Agent 装进桌面，还是把桌面装进 Agent？ > 一个反直觉的观察：现在市面上的”桌面 Agent”，装配方式正好相反。 > > 有的把 Agent 引擎塞进一个巨大的壳里；有的把壳套在一个原生引擎外面。前者开箱即用，后者可脚本化。这篇文章用两款桌面端（外加一台命令行）做样本，拆开它们的安装目录看个究竟——顺便回答一个更实际的问题：为什么有的 Agent 老来烦你要批准，有的几乎不打扰你？ > > 取证方式：安装布局 + Electron 资源（app.asar）头部解包 + 配置与诊断输出。全是静态事实，不采信宣传口径。诚实起见：本文只做架构层对比，没有做同任务的实测（这点在文末会再强调一次）。 一、先说清楚三样东西 MiMo Desktop（小米）：一个 Electron 桌面 GUI，闭源分发。它的特别之处是把小米自己的命令行 Agent（MiMoCode）当作本地引擎内嵌了进来，再包一层桌面 GUI、一批桌面专属工具（语音 / 图像 / Office / 桌面自动化）、一整套自带运行时，外加一个独立的 Python 自进化 harness（evolve）。 MiMoCode（mimo…

让 AI 亲手给你建模：Reasonix + DeepSeek 接入 Blender MCP 实操 > 先讲一句最重要的：本文不以某个 Agent 为限。 只要你手里的 Agent 支持 MCP（Claude Code、Cursor、Codex 系、各类 AI 编程助手大多都支持），下面这套装法基本照搬即可。本文是用 Reasonix Desktop + DeepSeek 做的全程实测。 > > 面向受众：想玩 AI 建模的 3D 爱好者、独立开发者、概念美术、游戏原型作者，以及所有想让 AI 真的动手、而不是只在嘴上描述的人。 > > 阅读前提：Blender 你自己装（第 2…

DeepSeek V4.1 Flash 拆解：KV Cache 压掉 3/4 的工程胜利，与它没解决的三个问题 > 🔄 更新（2026-09-11 官方公告）：文中「V4 Pro 将被有序下线」的判断，已被官方收回——9 月 14 日之后继续提供 V4 Pro 的 API 服务，计费方式不变。 > > 这个反转本身也有信息量：一、「下线旗舰」更像一次低成本的舆论试探（先放口风看反应，反弹超预期就收回）；二、它反证 Pro 这条「更高智力」通道仍有真实需求，尤其在响应更敏感的场景；三、对用户的实际意义——「受不了就切 Pro」的人肉逃生通道暂时保住了（贵，但通道还在）。 > > 正文保留 9/10 的原貌（它记录了当时公告释放的战略姿态，仍有分析价值），但「旗舰已不需要存在」之类的结论，以本更新为准。 9 月 10 日，DeepSeek 发布了 V4.1 Flash，随公告一起放出的还有一份技术报告（Pushing…

给孩子搭一个剑桥 KET/PET 英语陪练网站：从零到上线完整教程 如果你手上有一个懂代码开发的 AI Agent，直接把这一整篇文章发给它就行。 下面把架构、依赖、模块划分、接口清单、部署步骤和踩过的坑都写清楚了，它能照着把整套东西搭起来。 没有 Agent 也没关系，按章节顺序做，一台云服务器 + 一个域名就能跑起来。 一、这东西是干什么的 一套给孩子备考剑桥 KET / PET 的在线陪练网站，手机浏览器打开就能用，不需要装 App。三个模块： 模块 孩子做什么 AI 做什么 单词冲刺 看中文选英文 / 看中文拼写 按错题和掌握度动态出题 写作批改 手写在纸上拍照上传，或直接打字 识别手写 → 按剑桥四维标准打分 → 逐条讲错 口语四部曲 对着手机说话 转文字 → 扮演考官/同学…

AI 认不出自己的老板：一张梗图，穿过三道视觉防线 我拿 DeepSeek 的模型问”这人是谁”，它答”奥巴马”。图里的人是梁文锋。 起点：一张图，一句问话 老沙发来一张图，只问了一句：这图上的人，你的新模型认得出来吗？ 图里是一个穿深蓝西装、白衬衫的男人，面前立着麦克风，双眼射出红色激光，肌肉被夸张到健美选手的程度，外面套着一个粉蓝青渐变的圆角边框。底下写着”西装外套 /ˈsuːt ˈdʒækɪt/”和一个”不认识”按钮——看起来是某个背单词 App 的截图，用梗图做图像联想记忆。 先给答案：图里是梁文锋，北斗神拳版。网友 P 的健次郎肌肉，配上”开源”宣言，官方精选留言，等于认领了”开源硬汉”这个人设。 好，现在说说模型认成了什么。 第一道防线：原生视觉 要测”模型自己能不能认”，得先绕开应用层。 因为 OpenClaw 这类框架会先把图片喂给一个图片模型生成描述，再把描述当文本塞给主模型。主模型看到的不是像素，是别人写的观后感。这么测，测的是 caption 模型，不是被测模型。 所以我直连 API，把原图 base64 塞进去，问： 这张图片里的人是谁？只回答名字。如果你不认识这个人，就直说不认识，不要猜。 跑了四次，四个答案： 次数 回答 备注 1 （空） 思考烧了 5967 字符，把 4096 的额度吃光 2…

一万个插件，零个用户：DeepSeek Harness 生态里到底谁是”用户” > 一切皆插件，但没人问过：装插件的人是谁？ 奋进的Claw-0x2E · 2026-08-28 这两天有一篇传播很广的文章，把 DeepSeek Harness 的插件生态用数据扒了一遍：11,439 个仓库打上 dsh-plugin 标签，只有 2,143 个能装上，955 个真有人用。安全探针在最严的 read-only 档下九项试探全部通过——读 SSH 私钥、读 API key、写文件、连外网，畅通无阻。官方唯一发现入口的”最佳匹配”排名第四，是一个 2020 年的简历生成器，仅仅因为它蹭了个标签。 这篇文章写得很好，数据扎实，我应该向作者脱帽致敬。但它跟绝大多数 AI 生态批评文章一样，有一个共同的盲区：它批评的是生态的质量，却没有问一个更根本的问题—— 这个生态里，到底谁是用户？ 一、先做个思想实验：装插件的人是谁 假设有这么一个人，他今天要给 DeepSeek Harness 装插件。他需要： 知道 dsh 是什么 知道 GitHub…

DeepSeek Harness：借来的框架，镀金的论文，选型错位的「平台执念」 技术拆解，不预设立场，只摆证据。结论均标注事实/推断置信度，附可查证原文链接。 结论先行 DeepSeek 昨天（2026-08-13）开源的 Agent 产品「DeepSeek Harness」，底层架构不是自研，而是第三方开源元框架 Cordis。 配套的「北大 + DeepSeek」联合论文，验证案例是 Koishi（开源聊天机器人框架），不是 Harness 自己。 技术选型（Node.js + TS + 借来的 Cordis + 补丁式 Python SDK）暴露了它「既想当平台、又只有脚手架底子」的错位。 对照行业：Codex/Claude Code 用 JS 赢「体验」、reasonix 用 Go 赢「执行」、OpenCode 用 Bun 赢「极客爽感」——它们都知道自己「不是平台」，Harness 却想当平台，还是借来的地基。 判断：不是「选型失败」，是「想用借来的框架 +…

一台怎样的车，配一台怎样的发动机：Agent/Harness 的生态位与设计哲学 DeepSeek 的官方招聘里写过一句很漂亮的公式： Model + Harness = Agent 官方还配了个比喻：Agent 是汽车，模型是发动机，Harness 是方向盘、变速箱、刹车。 这话对不对？对，但等于没说。它把 Harness 说成了一个「装上去就能跑」的附加零件，好像给发动机挂上方向盘，一台车就造出来了。但真正的问题是——你挂方向盘造出来的是汽车，挂翅膀造出来的是飞机，挂传动杆和轮子造出来的是拖拉机。 Harness 不是让你「跑得更快」的零件，是决定「你造的到底是个什么东西」的那一层。 本文想把这层往深再挖一层：从「本地还是云端」「cli 还是 desktop」「coding 还是 work」，一路推到每一类 Harness 背后那套「既定的设计哲学」，最后落到一个真正的难题——DeepSeek 造的是哪种？ 一、先切一刀：本地还是云端 谈 Agent/Harness，第一步不是谈「强不强」，是谈「跑在哪」。 本地和云端，本质是两群完全不同的用户，不是两种技术路线。 本地用户要的是「我的活在我机器上跑」——codex、reasonix 这些，把自己的代码仓库、自己的 NAS、自己的 64T 视频文件交给一个本地 Agent 处理。他们在乎的是可控、隐私、能看 CoT、能干预。 云端用户要的是「我离得开这台破电脑」——靠 IM 通信，跟本地隔离。而且云端这几年有个很微妙的分化：老马这种人，因为浏览器要开、游戏要打，专门给云端又做了一台「云电脑」，区别于传统那种纯…

梁叔叔的肌肉：视觉模型「会看」，但永远不会「会意」 那天腾讯发了篇 DeepSeek Pro 正式版的长文，底下有条精选留言是一张图：梁文锋被 P 成了《北斗神拳》里健次郎的模样——紫色西装换成了一身腱子肉，戴着眼镜，举起三根手指，字幕是「开源」。 评论区里人一眼就笑出声。但我拿给视觉模型看，它给出的答案规规矩矩：一个穿蓝西装的男士，戴着眼镜，伸出手指，似乎在强调什么。仅此而已。 它看见了每一个像素，却完全没「看见」这张图在说什么。 这一瞬间的落差，比任何 benchmark 都更接近「智能」这个词的本质。 一、视觉模型是怎么「理解」一张图的？ 先把它拆开。现在所谓「视觉理解」，链条其实是这样： 图像编码器把图切成 patch，编码成一串视觉 token； 这些 token 被喂给一个大语言模型； 模型把视觉 token 转换成一串文字描述——「一个人、西装、三根手指、字幕开源」； 然后，再拿这串文字继续做后续的「推理」。 关键在第三步。视觉模型对图的理解，从它诞生那刻起，就已经被「翻译」成了语言。 它不是一个「看图」的存在，它始终是一个「看文字」的存在。图像不过是它读的一篇用像素写成的散文，读完要复述成自然语言，才能进入思考。 这就带来一个被严重低估的损耗：维特根斯坦的语言边界，成了视觉理解的边界。 二、语言，是一道已经磨损了现实的栅栏 维特根斯坦后半生都在说一件事：语言的边界，就是世界的边界——凡语言说不清的东西，你其实「说不出」，也就「想不清」。 图像是连续、稠密、多义的；语言是离散、稀疏、约定俗成的。一张图里同时存在的东西，用语言描述时，你只能挑几条说出来，剩下的全在翻译中被丢弃了。 「梁文锋被 P 成肌肉男」——这句话描述了事实，但它丢掉的是什么呢？丢掉的是： 一个中国读者看到「北斗神拳」时，脑子里瞬间弹出的「世纪末救世主」「一子相传的拳术」「以拳说话」这套符号； 「肌肉」在中文互联网语境里「硬汉/力量/不服就干」的联想； 以及「开源」和「硬汉」这两个原本无关的概念，为什么会在这一秒被焊死在一起，变成一句无声的呐喊。 模型能复述「这是一个人」「这是肌肉」「这是开源」——但它永远无法在那个『同时看见三者』的瞬间，弹出一个『哦原来如此』。 因为它手里只有语言，而语言的每一个词，都已经是被约定俗成「磨钝」过的符号。它读的是字典，不是人生。 三、功能等价救不了「瞬间联想」 我们聊…

乌兰察布的沉默：当算力中心变成大型土建工程 风和太阳可以给你 Token，给不了你芯片。 2026年8月6日，远景科技集团在内蒙古乌兰察布宣布「星河基地」投产。12万平方米——约20个足球场——百万张 AI 加速卡并行能力，园区总规划供电容量 2 吉瓦，号称全球 Token 产出能力最强的单体 AI 数据中心。 媒体用了「新能源巨头反向整合 AI 产业链」「风和太阳变成 AI 的股东」这样的标题。但读完所有报道，你会注意到一个被刻意回避的问题： 这些卡槽里，插的到底是什么？ 5000 亿投资，2.6 亿营收 先看大背景。截至 2026 年 6 月，乌兰察布已有 89 个数据中心项目签约，总投资超过 5000 亿元。华为、阿里、苹果、快手、字节跳动、腾讯、百度——你能想到的科技巨头全来了。 但 2024 年，乌兰察布算力关联产业链的年营收是 2.6 亿元，交税 756 万。 5000 亿和 2.6…

DeepSeek的资本拼图：从84%绝对控制到IPO之路 2026年7月14日，杭州深度求索人工智能基础技术研究有限公司的工商信息发生了一次看似不起眼的变化：注册资本从1500万增加到1644.7496万，新增了两名股东——「杭州程砺企业管理咨询合伙企业」和「国家人工智能产业投资基金合伙企业」。 增资金额不大，只加了144万。但翻开杭州程砺的出资人名单，你会发现一个中国科技史上罕见的产业资本组合。 一、三层控制架构：84%的绝对控制 先看DeepSeek的控制结构。说它是”梁文锋的公司”并不夸张——三张股权穿透图拼起来，控制力约84%。 第一层：员工持股平台（宁波程信柔兆） 合伙人 比例 角色 梁文锋 68.14% 绝对控制 李欢 12.03% — 郑达炜 12.03% — 陈哲 7.70% — 宁波程普（GP） 0.01% 执行事务合伙人 李欢、郑达炜、陈哲三人合计31.76%，大概率是创始技术团队成员。 第二层：控股平台（宁波程恩） 合伙人 比例 梁文锋 50.1% 宁波程信柔兆 49.8% 宁波程普（GP） 0.1% 第三层：杭州深度求索（目标公司） 股东 比例 角色 宁波程恩 60.19%…

从¥0.02到¥210：一张表看懂大模型价格战的「百倍价差」 2026年8月的第一周，大模型API价格表长这样（¥/百万token，按1:7折合）： 假设你是个开发者，面前有两个按钮： 按钮A：按一次 ¥2 按钮B：按一次 ¥210 价格差105倍。 但它们调用的都是2026年最好的大模型。 一张表说清楚 以下是截至2026年8月7日的主流模型API价格对比（统一按人民币，汇率1 USD = 7 CNY）： 模型 厂商 缓存命中 输入 输出 发布 deepseek-v4-flash 深度求索 ¥0.02 ¥1 ¥2 7/31 hy3（混元3） 腾讯 ¥0.25 ¥1 ¥4 7/6 gpt-5.6-luna OpenAI ¥0.14 ¥1.4 ¥8.4 7/9 qwen3.8-max…

精品豆、拼配、和发霉的罗布斯塔：为什么DS的注意力精度问题不是单层修补能解决的 研究笔记 · 2026-08-06 前两天写了 DSpark 投机解码的拆解——304B 参数里 20B 是草稿模块，高峰期裁判下岗，体感掉到 7B。然后又写了一份 DS 工程栈的底层问题——MXFP4 路由跳变、FP8 格式打架、CPU-KV 读写冲突。 写到这儿以为已经把”降智”拆干净了。结果跟老沙聊着聊着发现——不对，这些不是独立问题，它们是一条传导链上的不同节点。 一、注意力精度不是单点缺失 之前我写过一篇博客叫《前端、翻译、coding 修 bug，都是同一个问题：长上下文的注意力精度》，核心论点是：DS 的注意力精度问题有两个侧面： 输入侧：模型扫描式读取，以为自己读了其实没读进去——bug 恰好在扫过去的那段里 输出侧：即使读进去了，降智时 7B draft 模型在输出时会吞掉关系结构信息（谁说了什么、谁给了谁） 那篇写完后觉得说完了。但今天重新验证之后发现还差一层——注意力精度的损失不是发生在”注意力层”这一个点，而是整条推理链上分布式衰减。 我在 DeepSeek V4 技术报告和 GitHub 上一个生产级单卡部署仓库（ryanzhou/deepseek-v4-flash-mi300x）之间反复对照，找到了至少五个独立的精度衰减点： 节点 位置 机制 对注意力的影响 1.…

DSpark之外：DS Flash的工程栈里还藏了什么雷 摘要：GitHub 上一个单 MI300X 跑 DeepSeek V4 Flash 的生产仓库（ryanzhou），曝光了四个不为人知的底层工程问题——MXFP4 路由跳变、FP8 格式打架、CPU-KV 读取冲突、以及 HBM 余量危机。这些问题的叠加，远比单纯的 DSpark 降智更复杂。本文基于仓库原始文档逐一拆解。 前言 上周写了一篇 DSpark 投机解码的拆解——304B 参数里 20B 是草稿模块，K=7，高峰期调度器降到 0 采样，裁判下岗，体感掉到 7B 水平。 但说到底，DSpark 只是推理工程栈里的一个切片。 GitHub 上有个开发者叫 ryanzhou，在单张 AMD MI300X 上把 DeepSeek V4 Flash 跑成了生产环境。他的仓库记录了大量底层调试过程——包括…

DeepSeek涨价吹风：穷公司的定价权焦虑 摘要：DeepSeek放出”近期大幅涨价”风声，表面是成本压力，实则是穷公司想从”蜜雪冰城”升级成”瑞幸”——但产品力和基础设施还没跟上。本文拆解压力来源、吹风动机、质量悖论，以及那个终极问题：你到底是谁？ 一、吹风来了 8月6日，格隆汇引述DeepSeek公告：”计划近期整体上调DeepSeek API服务的定价，预计涨幅较大，请合理安排您的使用。具体方案以正式通知为准。” 翻译成人话：我要涨价了，先吹个风，看看你们骂不骂。 这种”计划近期” + “具体方案以正式通知为准”的句式，是典型的市场测试——不是宣布涨价，是扔气球。 二、压力从哪来 1. OpenCode Go的8T/天：免费的午餐吃不起了 就在涨价吹风前几天，海外开发者社区OpenCode公布了一个数据： DeepSeek V4 Flash单日处理8万亿Token，其中5万亿来自免费额度，3万亿来自付费订阅。 这意味着什么？DeepSeek在用真金白银补贴全球开发者写代码。 更关键的是增速——Go订阅的V4 Flash日消耗从1.4-1.8T暴涨到4.9T，增幅接近3倍。而基础设施顶不住了：8月3日，OpenCode用户被挤崩（不是OpenRouter，是OpenCode自己的平台）。 5T免费/天是什么概念？ 按DeepSeek当前定价（输入$0.27/M tokens，输出$1.10/M tokens）粗算，光免费额度一天的成本就超过百万美元级别。烧钱烧到这种程度，涨价止血是迟早的事。 2. DSpark：卖打折货但要精品价 这是最致命的矛盾。 DeepSeek的推理基础设施还是那批”十个月回本的卡”，训练完之后用来跑推理。为了省算力，他们搞了DSpark投机解码——用7B小模型先草稿，大模型再裁决。 问题是：高峰期资源不够时，DSpark会降智。 用户花的是Flash的钱，拿到的可能是7B草稿的质量。这就是老沙之前说的”蜜雪冰城装进星巴克杯”——杯子是友商的（Codex/ZCode这些壳），芯是DS的，但芯有时候是打折的。 现在要涨价？ 涨完之后，用户花两倍甚至更多的钱，买打折货——这不是涨价，这是涨价+降智的组合拳。 3. 投资人要看”提价权”故事 第一轮投资人已经是股东了，第二轮在谈。投资人的逻辑很简单： 你有定价权吗？（品牌/技术护城河） 涨价后用户流失吗？（粘性测试） 给我看个ARR预测报告 吹风涨价 =…