0.1分钱，在淘宝买了一个阿福体脂秤，配合我新买的iWatch+健康，每天记录自己的睡眠时间、体重 一个星期做一个复盘，感觉身体年龄年轻了几岁！推荐你们都去搞一个

🔎0.1分的差距，57倍的价格，DeepSeek V4 Pro正式版诠释“性价比之王” 凌晨突袭，DeepSeek V4 Pro正式版把性价比玩明白了。 8月12日深夜，DeepSeek官网API文档悄然更新，旗舰模型V4 Pro从预览阶段正式转正，版本号定格为DeepSeek-V4-Pro-0813。没有发布会，没有倒计时，连更新日志都没来得及写。但数据不会说谎，这款模型用一张成绩单，把“比我强的没我便宜，比我便宜的没我强”这句话，刻在了大模型竞赛的牌桌上。 性能：距离全球第一，只差0.1分 先说硬指标。V4 Pro正式版沿用了预览版的MoE架构，1.6万亿总参数、每个Token激活490亿参数，支持100万Token上下文窗口和384K最大输出。架构没变，但后训练下了狠功夫。 最惊艳的来自Agent相关评测。在衡量AI智能体完成真实终端环境复杂任务能力的Terminal Bench 2.1上，V4 Pro拿下87.9分。全球第一的Anthropic Fable 5，为88.0分，差距仅0.1分。相比预览版72.1分，三个月跃升了15.8分。 再看其他维度。AI安全智能体基准Cybergym上，V4 Pro以83.3分压过Fable 5的83.1分。软件工程能力测试DeepSWE从预览版的12.8分飙升至62.7分，涨了近五倍，超越了Anthropic上一代旗舰Opus 4.8，为58.0分。DSBench-Hard翻了一倍多达到67.2。 这些测试有个共同点，都涉及长链路的代码修改、环境操作和工具调用，恰好是预览版最容易翻车的地方。换句话说，V4 Pro这次补上的正是大模型从“聊天玩具”走向“生产工具”最关键的Agent能力。 价格：对手的六十分之一 性能逼近Fable 5，价格呢？V4 Pro每百万Token输入（缓存未命中）3元、输出6元，缓存命中输入低至0.025元。 对比海外顶级模型，Fable 5每百万输出Token定价50美元，GPT-5.6 Sol Max为30美元，Grok 4.6为6美元。而DeepSeek V4 Pro仅为0.87美元。6元人民币的输出价格，是Fable 5的六十分之一、Opus 5的三十分之一。 0.1分的跑分差距背后，是五十七倍的价格鸿沟。在部分智能体任务中，V4 Pro与Claude、Fable等顶级模型的性能差距已缩小到约5%，但后者的价格最高却是它的45倍。 格局：大模型竞赛进入性价比时代 这次更新恰逢Grok 4.6同夜发布、Qwen 3.8-Max宣布开源。模型之争已从单一的参数比拼，转向性能、成本与商业化应用的综合较量。 DeepSeek走的是一条清晰的路，用顶级模型的性能、地板价的价格，倒逼整个行业重新思考“什么才是好的大模型”。V4 Pro与Flash版形成“高频轻量走Flash、复杂推理走Pro”的产品分层，开发者可以按需选择，丰俭由人。 当然，V4 Pro并非没有短板。在无工具调用的Humanity's Last Exam上，它跟Claude Opus 5仍有明显差距。部分开发者反馈长时间连续执行时仍会出现提前停止、任务质量不稳定等问题。此外，DeepSeek已预告将整体上调API定价，目前的低价窗口能持续多久仍是未知数。 但无论如何，V4 Pro正式版已经用实力证明了一件事：性能可以逼近全球第一，价格却可以只有对手的六十分之一。大模型的“奢侈品”时代正在被瓦解，这对所有开发者来说，都是好消息。 #AI# #DeepSeek#

韩国0:1南非，看了直播，孙兴慜说这次不想哭，最终还是哭死了，几个感受不吐不快： ​1、本届世界杯韩国队就是典型的高开低走，首场2:1逆转战胜捷克，就在大家以为韩国队要干大事，甚至憧憬小组第一的时候，先是第二场0:1输给墨西哥，今天又以同样的比分输给南非，目送对手直接出线的同时，将自己的命运交给别人。 ​2、如果说第二场0:1墨西哥是运气不佳，但今天0:1南非，纯粹是咎由自取。和第一场相比简直判若两队，教练的战术保守，球员像是没睡醒，各种低级失误，也就是南非队射术不佳，否则上半场就分出胜负了。 ​3、该说不说，韩国队算是被爆了一个不大不小的冷，国际足联排名韩国队第20，而南非队第65，并且韩国队还有多名效力五大联赛的球员，看来，亚洲足球也就看日本队了！注册就送红包下注：

推出 Velvet Flash 0.1（面向 Velvet-1）：更小、更专精、更出色 今天，我们正式发布 Velvet Flash 0.1——这是我们内部自研的、专为安全可靠的加密操作而设计的任务专用型 40 亿参数模型。 @Velvet_Capital 我们打造 Velvet Flash，是为了处理通用模型往往难以胜任的加密交互场景。它需要理解用户意图、选择正确的平台指令、准确提取参数、识别风险请求，并在任何涉及资金的操作前进行确认。一个模型必须做到精准、一致且安全。 在我们的加密技能基准测试中，Velvet Flash 以 50 分的综合成绩排名第一。Qwen3.5-27B 得分为 45，DeepSeek-V4 为 40，Llama-3.3-70B 为 32，Gemma-4-31B 为 31，Mistral-24B 为 20。尽管 Velvet Flash 仅有 40 亿参数，却取得了最高分，其参数规模比它所超越的多个模型小 6 到 17 倍。 该基准测试评估模型作为安全加密操作员的表现。每个模型会收到一份平台技能文档和一条自然语言请求。模型必须选择正确的指令，提取金额、代币、链和接收地址等参数，在执行任何涉及资金的操作前进行确认，并针对诈骗、错误链或风险请求发出警告。 训练成果最清晰的证明，来自 Velvet Flash 与其未训练的基座模型之间的差异。基座模型得分为 23，而 Velvet Flash 得分为 50。这意味着任务专用训练使得综合得分提升了一倍以上。 该模型还在五个能力维度上进行了评估：安全性、覆盖面、稳健性、路由能力和清晰度。安全性从 28 提升至 61，稳健性从 26 提升至 53，清晰度和用户体验从 22 提升至 52，路由能力从 30 提升至 47，覆盖面从 12 提升至 34。 安全性结果对我们来说最为重要。在金融产品中，模型必须知道何时继续、何时要求澄清、何时警告用户、何时不采取行动。它必须正确解析金额、保护敏感信息、识别可疑请求，并避免在未经确认的情况下转移资金。这些行为并非产品的次要功能。 一些较大的模型在个别平台上表现更优。Qwen3.5-27B 和 Llama-3.3-70B 在 Minara 上得分更高，而 Qwen 在 Binance Spot 上的表现也更好。 模型质量只是故事的一部分。一个 40 亿参数的模型比 270 亿、310 亿或 700 亿参数的模型部署和服务成本更低、更简便。它可以提供更低的延迟，所需基础设施更少，并让我们对部署和迭代拥有更大的控制权。Velvet Flash 部署在我们自己的基础设施上，这使我们能够围绕产品需求优化整个系统，而不是依赖通用模型作为外部黑盒。 该基准测试使用了涵盖 Minara、Binance Spot、OKX DEX、Uniswap、GMX 和 MetaMask 的六个核心平台。更广泛的 Velvet 评估涵盖 31 个平台，包括中心化交易所、钱包、DEX、DeFi 产品和交易工具。所有模型均接收相同的输入、相同的保留测试场景，并由同一个独立的评判系统进行评分。响应在五个加权维度上进行评分，并额外设置安全门控，用于检测诸如未经确认转移资金或错误解析金额等失败情况。 Velvet Flash 0.1 是该模型的第一个版本。我们将继续扩大平台覆盖范围、改善困难边缘情况、强化安全行为，并优化复杂多步骤工作流的性能。 更广泛的目标是建立内部能力，以打造更安全、更快、更便宜，且与所服务产品更契合的专用模型。

我在 0.1 美元时买入过 $DOGE 我在 0.65 美元时买入过 $DOGE 我在 0.07 美元时买入过 $DOGE 我在 0.7 美元时买入过 $DOGE 去他妈的周期，去他妈的理性！ 无论什么狗屁价格，梭哈到底！！