先来给大家看一个视频，这个视频是deepseek做的，用了亿点提示词。 稍等，我才发现视频看不了。。。 起因 前阵子很流行用opus来生成视频，于是我去找了一下这种软件教程类型的视频，然后又看了其他像素艺术类的视频，还翻了它们的源代码。 于是观察出Claude模型厉害的三点： 解决问题和思考问题的角度很广阔、很全面（知识） 审美在线，艺术能力鹤立鸡群（美商） 自反馈和纠错能力非常强大（自驱力） 第一点，比如说，我们都知道一个视频肯定需要有配音对吧？但一般主打编程的模型很少做过视频剪辑任务，往往想不到还要配音，顶多想着“要不找首背景音乐吧”。而这个模型考虑到了。 第二点，没有什么好说的，Claude背后的团队应该有不少艺术家和哲学家，这是其他公司比较缺乏的，特别是Oai。 第三点，我觉得是最重要的。Claude生成的视频给我一种感觉：几乎没有bug，所有细节都像是被人花了好几天精心打磨出来的。说明它做这些东西非常认真，会反复调整，而不是单轮生成敷衍交差。 deepseek 而这三点之中，我觉得deepseek的自纠错能力（自驱力），在这个版本上有很大的体现。具体来说，之前有佬就看出端倪了：在没有视觉能力时，它会自己写python把图像素化来“读图”。这本质上就是： 为了更好的结果，不断纠错，不择手段地持续工作 这种牛马特质有一个巨大的好处： 只要你给它可验证的手段，它就会一直跑到你满意为止。 尝试 于是我想用ds来跑一个软件教程视频，也就是开头放的那个。我主要提供了两点上下文来补足模型： 知识：提供相关视频代码库和样例，方便它用代码写视频，参考别人是怎么实现的； 美商：明确告诉它，多用插画表达文字，用更柔和的音乐，动画加上缓动曲线。 跑了很多轮之后，它根据补足的知识和美商生成的视频就已经很不错了。接着我又提了一些反馈，让它继续迭代。 结果它真的自己解决了一大堆棘手问题： 没有配音：参考样例自己写脚本去生成 没有真实素材：自己本地启动软件去截取、爬取素材 无法直观判断视频是否卡顿：调用ffmpeg逐帧抽图，做图像分析计算拉普拉斯值来检测 无法检验音画时间轴一致：依然靠数学公式精密推导计算 没有插画：我教它路径，自己用代码硬画 中间为了推导一个时间对齐的数学公式，一直在后台做对比实验，简直太勤奋了。 最后出来的成品效果我觉得很不错了，整体算下来，API成本也就不到几块钱。 推断 只要一个任务提供了基础的方法论（知识），足够的标准（美商），封闭形式的验证手段，比如视频剪辑，每帧之间过渡用了什么缓动曲线，可以看到，验证，修改… 那么一个有自驱的模型，能够在不断自纠错和反馈当中做到不错的效果。 而就我这次实验来看，知识和美商都是可以补足的啊。 所以我在使用deepseek的时候，就一直有一种感受： AI 的能力上限，很可能往往不取决于它预训练时懂多少，而取决于 人类有没有给它一把“尺子”（验证机制） 。 增加更多任务可验证的手段，或许是用好一个有自驱力的模型的关键？ 反例 gpt-luna和sol，我也使用它做过一些东西，有时候喜欢糊弄人，它之所以有的东西做的好，就是因为知识丰富，杠杆之力出奇迹…就像一个傲慢的理工博士？完全不是因为它勤奋，甚至有时候还敷衍任务，长任务不愿意跑。 没有自驱力的模型，似乎上限基本就是下限。 而勤奋的模型，即使先天比较笨，但是只要有目标就会勤奋去追赶，从而可能突破自己的上限，做更多事情。 2 个帖子 - 2 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/4 16:48:24