Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)
@teortaxesTex
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization.
@deepseek_ai stan #1#, 2023–Deep Time
«C’est la guerre.» ®1
3.3K 正在关注 76.7K 粉丝
Pi 和 DeepSeek harness 上下文分析，结果非常有意思🔥
最大的区别：工具定义，DeepSeek harness 是 70%，PI 是 0%
前面我刚测试的时候两个 Agent 消耗上差距很大，但是我没有仔细地去分析一下，为什么差距这么大，我就把两个上下文直接拆出来做对比
1、工具定义：Harness 单次请求中，文字任务约占 70–72%，代码任务约占 62%。Pi 的两项文字任务关闭了工具；代码任务只保留 4 个内置工具。
2、系统指令：Harness 文字任务约占 19–20%，代码任务约占 17%。Pi 也有基础指令，但现有日志不足以准确拆出占比。
3、用户消息、历史和工具返回：Harness 文字任务约占 8–10%，代码任务约占 21%。Pi 的这部分内容也会随任务过程累积。
其实用户消息和系统指令两个差距没有很大，最主要的差距是 PI 只有 4 个内置的工具 也就是增删改查
但是 DeepSeek harness 那边，因为使用的是标准模式 所以会内置 29 个插件，如果是相对的极简模式 整个 token 消耗应该还会下降
模式上的差异是我没有考虑进去，我以为 DeepSeek harness 模式状态下都是一致的，但是有相对的干扰项导致 token 差异消耗异常
后面会继续深入研究 看看有没有更有意思的地方
显示更多
