How DeepSeek-V4-Flash 0731 REALLY Handles Challenging Tasks (Even Running on One Spark)

1
00:00:00,000 --> 00:00:01,735
ตัวอย่างเปิดคลิป —

2
00:00:01,735 --> 00:00:06,167
หน้าเว็บลูกโลกอินเทอร์แอกทีฟ ถ้าคุณเคยดูวิดีโอ

3
00:00:06,167 --> 00:00:09,733
first-look (รีวิวโมเดลครั้งแรก) ของผม

4
00:00:09,733 --> 00:00:13,299
คุณจะคุ้นเคยกับ prompt (คำสั่ง) นี้ดี

5
00:00:13,299 --> 00:00:17,731
ผมขอให้โมเดลสร้างเว็บไซต์ ซึ่งเป็นหน้า landing

6
00:00:17,731 --> 00:00:22,164
page (หน้าโปรโมตสินค้า) สำหรับเกมแนว Star Wars

7
00:00:22,164 --> 00:00:26,597
เจอกับ One Piece และขอลูกกลมเรืองแสงเอาไว้ด้วย

8
00:00:26,597 --> 00:00:29,777
นี่คือสิ่งที่มันสร้างออกมาให้ครับ

9
00:00:29,777 --> 00:00:32,668
เห็นชัดว่ามันอินเทอร์แอกทีฟมาก

10
00:00:32,668 --> 00:00:36,908
พอผมเลื่อนเมาส์ไปเหนือลูกโลก ลูกโลกก็ขยับตาม

11
00:00:36,908 --> 00:00:41,052
ซึ่งเป็นสิ่งที่ผมไม่เคยเห็นโมเดลไหนทำมาก่อน

12
00:00:41,052 --> 00:00:45,389
และพอเลื่อนหน้าลงมา ควรจะมี headline (พาดหัว)

13
00:00:45,389 --> 00:00:47,894
โผล่ขึ้นมาแบบสไตล์ stutter

14
00:00:47,894 --> 00:00:50,303
(ตัวอักษรทยอยโผล่ทีละตัว)

15
00:00:50,303 --> 00:00:53,965
มาดูกันว่ามันจะเวิร์กไหมครับ นี่ไงครับ

16
00:00:53,965 --> 00:00:58,398
ลูกโลกเริ่มจางหายไป แล้วพาดหัวก็ทยอยโผล่เข้ามา

17
00:00:58,398 --> 00:01:02,831
The Odyssey for One Piece begins (การผจญภัยของ

18
00:01:02,831 --> 00:01:07,264
One Piece เริ่มต้นขึ้น) โมเดลนี้ทำได้ดีมากครับ

19
00:01:07,264 --> 00:01:11,311
พอเลื่อนขึ้นไป ลูกโลกก็กลับคืนมาเหมือนเดิม

20
00:01:11,311 --> 00:01:13,238
ลูกโลกดูสวยมากจริง ๆ

21
00:01:13,238 --> 00:01:18,346
ครับ มันมีองค์ประกอบอินเทอร์แอกทีฟซึ่งโมเดลรุ่นก่อน ๆ

22
00:01:18,346 --> 00:01:21,333
ไม่เคยทำได้ และเอฟเฟกต์ stutter

23
00:01:21,333 --> 00:01:23,453
ของพาดหัวก็ออกมาดีด้วย

24
00:01:23,453 --> 00:01:26,441
นี่คืองานที่ดีมากของโมเดลตัวนี้

25
00:01:26,441 --> 00:01:29,813
และอย่างที่คุณคงเดาได้จากชื่อวิดีโอ

26
00:01:29,813 --> 00:01:33,861
นี่คือผลงานของโมเดล DeepSeek-V4-Flash 0731

27
00:01:33,861 --> 00:01:37,619
ครับ งานนี้ถือว่าง่าย แต่ในวิดีโอวันนี้

28
00:01:37,619 --> 00:01:40,992
เราจะทดสอบโมเดลตัวนี้กันจริง ๆ ครับ

29
00:01:40,992 --> 00:01:44,654
ทั้งเวอร์ชันคลาวด์ เวอร์ชัน API ทางการ

30
00:01:44,654 --> 00:01:48,219
และตัวที่รันอยู่บนเครื่อง PC ของผมเอง

31
00:01:48,219 --> 00:01:52,556
เริ่มกันเลยครับ โปรโมตโปรเจกต์ agentwikis.com

32
00:01:52,556 --> 00:01:56,700
อ้อ ถ้าคุณใช้ Agent Swarm (ระบบจัดการ agent

33
00:01:56,700 --> 00:01:59,880
หลายตัว) อยู่ และอยากได้ LM wikis

34
00:01:59,880 --> 00:02:02,867
(คลังความรู้เกี่ยวกับโมเดลภาษา)

35
00:02:02,867 --> 00:02:07,203
ที่ผมใช้ค้นคว้าและสร้างวิดีโอพวกนี้ด้วยตัวเอง

36
00:02:07,203 --> 00:02:10,865
ลองไปดูโปรเจกต์ของผมที่ agentwikis.com

37
00:02:10,865 --> 00:02:12,793
ได้นะครับ ผมให้ wiki

38
00:02:12,793 --> 00:02:15,395
เหล่านี้ฟรีในหลากหลายหัวข้อ

39
00:02:15,395 --> 00:02:19,538
และคุณสมัครบัญชีโปรได้ในราคา $9.99 ต่อเดือน

40
00:02:19,538 --> 00:02:22,526
เพื่อเข้าถึง wiki ขนาดใหญ่พิเศษ

41
00:02:22,526 --> 00:02:27,633
ที่มีหน้ามากขึ้นและรายละเอียดในแต่ละหัวข้อมากขึ้นด้วย

42
00:02:27,633 --> 00:02:31,199
กลับมาที่วิดีโอกันครับ ข่าวการเปิดตัว

43
00:02:31,199 --> 00:02:35,632
DeepSeek-V4-Flash 0731 สัปดาห์ที่แล้ว DeepSeek

44
00:02:35,632 --> 00:02:38,908
ประกาศโมเดล DeepSeek-V4-Flash 0731

45
00:02:38,908 --> 00:02:41,124
ขึ้นมาค่อนข้างกระทันหัน

46
00:02:41,124 --> 00:02:45,172
เป็นเวอร์ชันใหม่ของโมเดล DeepSeek-V4-Flash

47
00:02:45,172 --> 00:02:48,737
รุ่นก่อนหน้า อย่างที่เห็นใน benchmark

48
00:02:48,737 --> 00:02:51,243
(การวัดประสิทธิภาพ) ตรงนี้

49
00:02:51,243 --> 00:02:55,098
มันพัฒนาขึ้นอย่างมาก และพวกเขาปล่อย open

50
00:02:55,098 --> 00:02:57,892
weights (น้ำหนักโมเดลแบบเปิด)

51
00:02:57,892 --> 00:02:59,530
ออกมาพร้อมกันด้วย

52
00:02:59,530 --> 00:03:02,903
นับเป็นการเปิดตัวที่น่าตื่นเต้นครับ

53
00:03:02,903 --> 00:03:05,601
มีคนจำนวนมากรีบทดลองใช้ทันที

54
00:03:05,601 --> 00:03:09,842
เพราะเราเพิ่งเคยเห็นโมเดลที่เก่งขนาดนี้รันบน

55
00:03:09,842 --> 00:03:14,178
Spark ได้เพียงสองเครื่อง และผลลัพธ์บางอย่างก็

56
00:03:14,178 --> 00:03:18,322
impressive (น่าประทับใจ) มาก เช่น คนนี้ชื่อ

57
00:03:18,322 --> 00:03:21,406
Mosh Aib ทำเกมนี้ใน Hermes Agent

58
00:03:21,406 --> 00:03:24,971
(เฟรมเวิร์กสำหรับรัน agent อัตโนมัติ)

59
00:03:24,971 --> 00:03:29,211
ด้วยเงินเพียง 7 เซนต์ ฟังก์ชันน่าประทับใจมาก

60
00:03:29,211 --> 00:03:33,451
แต่ที่มากกว่านั้นคือเรื่องต้นทุน มันถูกมาก ๆ

61
00:03:33,451 --> 00:03:35,186
และเร็วมากด้วยครับ

62
00:03:35,186 --> 00:03:39,426
ตอนแรกผมคิดว่าผมคงรันมันไม่ได้ เพราะผมมี DGX

63
00:03:39,426 --> 00:03:43,281
Spark (คอมพิวเตอร์ AI ส่วนตัวของ NVIDIA)

64
00:03:43,281 --> 00:03:46,461
แค่เครื่องเดียว แต่ Blaze Goodson

65
00:03:46,461 --> 00:03:50,604
ลงมือทำงานตรงนี้เยอะมาก และตอนนี้มันใส่ลงใน

66
00:03:50,604 --> 00:03:54,363
Spark เครื่องเดียวได้เต็มรูปแบบแล้วครับ

67
00:03:54,363 --> 00:03:56,483
เขาได้ความเร็ว prefill

68
00:03:56,483 --> 00:04:00,916
(การประมวลผลข้อมูลล่วงหน้าก่อนเริ่มสร้างคำตอบ)

69
00:04:00,916 --> 00:04:05,156
ประมาณ 1,000 token ต่อวินาที และการเสิร์ฟแบบ

70
00:04:05,156 --> 00:04:09,107
multi-agent (หลาย agent ทำงานพร้อมกัน) 59

71
00:04:09,107 --> 00:04:12,769
token ต่อวินาที และผมก็รันบน DGX Spark

72
00:04:12,769 --> 00:04:16,142
ของตัวเอง ได้ตัวเลขใกล้เคียงกันครับ

73
00:04:16,142 --> 00:04:20,189
นี่คือคำอธิบายเวอร์ชันที่ผมรันบนเครื่องได้

74
00:04:20,189 --> 00:04:23,369
ความแตกต่างใหญ่คือมันถูก quantize

75
00:04:23,369 --> 00:04:27,609
(บีบอัดขนาดโมเดล) อย่างหนักสำหรับส่วน routed

76
00:04:27,609 --> 00:04:31,464
experts (โมเดลแบบผู้เชี่ยวชาญแยกเส้นทาง)

77
00:04:31,464 --> 00:04:35,704
ซึ่งเป็นส่วนที่กินหน่วยความจำและ activations

78
00:04:35,704 --> 00:04:39,944
(ค่าการทำงานของนิวรอน) มากที่สุด เห็นไหมครับ

79
00:04:39,944 --> 00:04:43,702
ตรงนี้เป็น Q2 อธิบายเรื่อง quantization

80
00:04:43,702 --> 00:04:47,750
แบบเข้าใจง่าย ถ้าคุณไม่รู้จัก quantization

81
00:04:47,750 --> 00:04:51,797
ผมมีวิดีโอที่อธิบายเรื่องนี้แบบละเอียดอยู่

82
00:04:51,797 --> 00:04:56,037
แต่พูดสั้น ๆ มันคือวิธีลดขนาดของน้ำหนักโมเดล

83
00:04:56,037 --> 00:04:59,795
เพื่อให้สามารถรันโมเดลที่ใหญ่กว่าบน GPU

84
00:04:59,795 --> 00:05:04,228
หรือฮาร์ดแวร์ที่เล็กกว่าได้ เวลาคนพูดถึง dense

85
00:05:04,228 --> 00:05:06,830
weights (น้ำหนักเต็มรูปแบบ)

86
00:05:06,830 --> 00:05:10,203
ปกติจะหมายถึงสิ่งที่เรียกว่า 16-bit

87
00:05:10,203 --> 00:05:14,540
ซึ่งถือเป็นขนาดเต็ม จริงไหมครับ พอบีบลงมาเป็น

88
00:05:14,540 --> 00:05:18,201
8-bit ก็เหลือครึ่งหนึ่งของขนาด และวิธี

89
00:05:18,201 --> 00:05:22,538
quantization สมัยใหม่ลงไปที่ 8-bit ได้ง่ายมาก

90
00:05:22,538 --> 00:05:26,200
โดยแทบไม่สูญเสียคุณภาพเลย แม้แต่ 4-bit

91
00:05:26,200 --> 00:05:28,513
ซึ่งเป็นนวัตกรรมใหม่กว่า

92
00:05:28,513 --> 00:05:32,656
ก็ไม่เห็นคุณภาพตกมากเท่าไร แต่พอลงไปต่ำกว่า

93
00:05:32,656 --> 00:05:35,355
4-bit เริ่มยากขึ้นครับ ทำได้

94
00:05:35,355 --> 00:05:39,209
แต่จะเจอปัญหาทั้งเรื่องความเร็วและคุณภาพ

95
00:05:39,209 --> 00:05:43,160
ดังนั้นการลงไปที่ 2-bit ตรงนี้ ถือเป็นการ

96
00:05:43,160 --> 00:05:47,304
quantization ที่รุนแรง (aggressive) มากครับ

97
00:05:47,304 --> 00:05:49,231
แต่มันก็ยังใช้งานได้

98
00:05:49,231 --> 00:05:52,122
และยังเขียนโค้ดได้ในระดับหนึ่ง

99
00:05:52,122 --> 00:05:55,302
แนวคิดของวิดีโอนี้ ในวิดีโอวันนี้

100
00:05:55,302 --> 00:05:59,735
ผมแค่อยากทดสอบมัน ไม่จำเป็นต้องเป็น first look

101
00:05:59,735 --> 00:06:03,783
เพราะ first look ปกติผมจะให้งานไว ๆ ง่าย ๆ

102
00:06:03,783 --> 00:06:06,577
ผมอยากทดสอบมันอย่างหนักจริง ๆ

103
00:06:06,577 --> 00:06:10,721
ด้วยโจทย์ที่ท้าทาย ผมจะใช้โจทย์จากซีรีส์ AI

104
00:06:10,721 --> 00:06:15,058
Royal Rumble (การแข่งขันท้าทายโมเดล AI) ของผม

105
00:06:15,058 --> 00:06:17,178
ซึ่งเป็นโจทย์ที่ยาวมาก

106
00:06:17,178 --> 00:06:19,683
บางโจทย์ใช้เวลาหลายชั่วโมง

107
00:06:19,683 --> 00:06:23,345
ผมจะให้ทั้งเวอร์ชันเต็มซึ่งรันผ่าน API

108
00:06:23,345 --> 00:06:26,043
บนคลาวด์ โดยใช้ Hermes Agent

109
00:06:26,043 --> 00:06:30,669
และผมจะใช้โมเดลท้องถิ่นของผมรันโจทย์เดียวกันเป๊ะ

110
00:06:30,669 --> 00:06:33,656
หวังว่าคุณจะได้เห็นว่าโมเดลใหม่

111
00:06:33,656 --> 00:06:36,933
DeepSeek-V4-Flash นี้ทำอะไรได้บ้าง

112
00:06:36,933 --> 00:06:43,582
รวมถึงความแตกต่างระหว่างเวอร์ชันเต็มบนคลาวด์กับเวอร์ชันท้องถิ่นที่ถูก

113
00:06:43,582 --> 00:06:47,244
quantize หนัก ๆ ด้วย ผมว่ามันน่าสนใจดี

114
00:06:47,244 --> 00:06:51,484
เริ่มกันเลยครับ โจทย์ข้อที่ 1 — หน้า landing

115
00:06:51,484 --> 00:06:54,086
page แบบอินเทอร์แอกทีฟ โอเค

116
00:06:54,086 --> 00:06:58,037
คุณอาจจำโจทย์นี้ได้ครับ นี่มาจาก AI Royal

117
00:06:58,037 --> 00:07:02,181
Rumble และอันนี้คือ Claude Fable (โมเดล AI)

118
00:07:02,181 --> 00:07:04,975
ที่ทำเว็บแบบอินเทอร์แอกทีฟนี้

119
00:07:04,975 --> 00:07:08,444
นี่คือเว็บไซต์จริง ๆ ผมแค่เลื่อนลงมา

120
00:07:08,444 --> 00:07:12,106
มันมีองค์ประกอบอินเทอร์แอกทีฟหลายอย่าง

121
00:07:12,106 --> 00:07:14,612
ผมทำโจทย์นี้กับโมเดลห้าตัว

122
00:07:14,612 --> 00:07:17,696
และได้ผลลัพธ์ที่น่าสนใจจากทุกตัว

123
00:07:17,696 --> 00:07:19,527
บางตัวดีกว่าตัวอื่น

124
00:07:19,527 --> 00:07:22,321
แต่ทุกตัวผลิตอะไรออกมาได้บ้าง

125
00:07:22,321 --> 00:07:26,465
เราจะทำโจทย์เดิมเป๊ะครับ แต่จะเปลี่ยนหัวข้อ

126
00:07:26,465 --> 00:07:30,512
เพื่อไม่ให้เหมือนการโปรโมต AI Royal Rumble

127
00:07:30,512 --> 00:07:33,114
มันจะโปรโมตตัว DeepSeek เอง

128
00:07:33,114 --> 00:07:36,969
จุดที่ยากคือมันมีองค์ประกอบแบบ scrolling

129
00:07:36,969 --> 00:07:40,920
(การเลื่อนหน้า) เยอะมาก ไม่มีวิดีโอจริง ๆ

130
00:07:40,920 --> 00:07:44,678
ตรงนี้ คุณต้องสร้างจังหวะและ transition

131
00:07:44,678 --> 00:07:47,666
(การเปลี่ยนฉาก) พวกนี้ขึ้นมาเอง

132
00:07:47,666 --> 00:07:50,653
ซึ่งเป็นเรื่องยากมากสำหรับโมเดล

133
00:07:50,653 --> 00:07:54,797
แต่เราจะมาดูกันว่าโมเดล DeepSeek จะทำได้ไหม

134
00:07:54,797 --> 00:07:59,037
ด้วย prompt เดียวกับที่ผมให้โมเดลพวกนั้นเป๊ะ

135
00:07:59,037 --> 00:08:03,084
เราจะทำในแอปเดสก์ท็อปเองครับ เห็นไหม เรามี

136
00:08:03,084 --> 00:08:07,228
DeepSeek-V4-Flash เอาล่ะ เราอยากได้ตัว 0731

137
00:08:07,228 --> 00:08:10,601
มีหลายเวอร์ชันตรงนี้ [เสียงสูดจมูก]

138
00:08:10,601 --> 00:08:14,552
ขอให้แน่ใจว่าเปิดตัวนี้อยู่ มันกำลังเริ่ม

139
00:08:14,552 --> 00:08:18,792
session (รอบการสนทนา) ใหม่ และผมจะให้ prompt

140
00:08:18,792 --> 00:08:22,743
กับมัน นี่คือสิ่งที่ผมให้โมเดลตัวอื่นเป๊ะ

141
00:08:22,743 --> 00:08:26,019
เป็นแบบ one-shot (ให้ครั้งเดียวจบ)

142
00:08:26,019 --> 00:08:30,067
พวกมันต้องทำงานด้วยตัวเอง ถามคำถามผมไม่ได้

143
00:08:30,067 --> 00:08:33,150
แต่โจทย์คือ สร้าง launch website

144
00:08:33,150 --> 00:08:34,789
(เว็บไซต์เปิดตัว)

145
00:08:34,789 --> 00:08:39,125
คุณภาพระดับโปรดักชันที่สมบูรณ์สำหรับ DeepSeek

146
00:08:39,125 --> 00:08:43,269
V4/0731 และมีรายละเอียดทั้งหมดว่าต้องทำอะไร

147
00:08:43,269 --> 00:08:47,220
แต่การออกแบบเป็นสิทธิ์ของโมเดลเอง ผมจะให้

148
00:08:47,220 --> 00:08:51,267
prompt นี้กับเวอร์ชันคลาวด์ใน Hermes Agent

149
00:08:51,267 --> 00:08:53,387
แล้วดูว่ามันทำงานยังไง

150
00:08:53,387 --> 00:08:57,531
จากนั้นผมจะทำแบบเดียวกันกับเวอร์ชันท้องถิ่น

151
00:08:57,531 --> 00:09:01,771
ซึ่งอยู่บน Spark ของผม มันกำลังรันอยู่ตอนนี้

152
00:09:01,771 --> 00:09:04,855
เห็นไหมว่าผมสร้าง Hermes profile

153
00:09:04,855 --> 00:09:08,710
(โปรไฟล์การตั้งค่า) พิเศษให้มัน ชื่อ DS4

154
00:09:08,710 --> 00:09:10,733
และเห็น DeepSeek chat

155
00:09:10,733 --> 00:09:13,817
ซึ่งเป็นโมเดลที่รันอยู่บนเครื่อง

156
00:09:13,817 --> 00:09:16,226
มาดูกันว่ามันทำงานไหมครับ

157
00:09:16,226 --> 00:09:19,984
ผมสังเกตว่ามันเร็วมาก และตอบกลับมาไวมาก

158
00:09:19,984 --> 00:09:22,104
ผมจะวาง prompt นี้ลงไป

159
00:09:22,104 --> 00:09:25,477
แล้วดูว่าโมเดลท้องถิ่นทำอะไรได้บ้าง

160
00:09:25,477 --> 00:09:30,006
และผมจะบอกความจริงกับคุณว่ามันล้มเหลวหรือสำเร็จ

161
00:09:30,006 --> 00:09:33,090
อย่างที่บอก โจทย์พวกนี้ท้าทายมาก

162
00:09:33,090 --> 00:09:36,559
ไม่ใช่แค่สร้าง landing page ให้หน่อย

163
00:09:36,559 --> 00:09:38,969
นี่คืองานออกแบบ front-end

164
00:09:38,969 --> 00:09:42,438
(ส่วนติดต่อผู้ใช้ของเว็บ) ที่ซับซ้อน

165
00:09:42,438 --> 00:09:45,714
ถ้ามันล้มเหลว ซึ่งมันอาจล้มเหลวได้

166
00:09:45,714 --> 00:09:49,665
อย่าไปโทษตัวโมเดลเลย มันคือเวอร์ชันที่ถูก

167
00:09:49,665 --> 00:09:51,111
quantize หนัก ๆ

168
00:09:51,111 --> 00:09:55,736
และถ้ามันผลิตอะไรออกมาได้ก็ถือว่าน่าประทับใจแล้ว

169
00:09:55,736 --> 00:09:58,724
ยังอยากเห็นด้วยว่ามันเร็วแค่ไหน

170
00:09:58,724 --> 00:10:03,156
เห็นไหมว่ามันเคลื่อนที่ด้วยความเร็วที่พอใช้ได้

171
00:10:03,156 --> 00:10:07,204
และเวอร์ชันคลาวด์ก็ยังรันอยู่ ผมจะปล่อยให้

172
00:10:07,204 --> 00:10:08,842
agent พวกนี้ทำงาน

173
00:10:08,842 --> 00:10:13,179
แล้วจะมารายงานผลเมื่อได้ผลลัพธ์ครับ ระหว่างรอ

174
00:10:13,179 --> 00:10:14,913
— อัปเดตสถานะ โอเค

175
00:10:14,913 --> 00:10:19,153
ผ่านไปประมาณหนึ่งชั่วโมงแล้ว มันยังทำงานอยู่

176
00:10:19,153 --> 00:10:21,081
แต่ใกล้เสร็จแล้วครับ

177
00:10:21,081 --> 00:10:25,417
ตัวท้องถิ่นดูเหมือนจะใกล้เสร็จพอสมควร เห็นไหม

178
00:10:25,417 --> 00:10:28,308
นี่คือ agent DeepSeek ท้องถิ่น

179
00:10:28,308 --> 00:10:31,295
ก่อนหน้านี้มันมี context window

180
00:10:31,295 --> 00:10:34,186
(หน่วยความจำบริบท) แค่ 100,000

181
00:10:34,186 --> 00:10:38,619
ซึ่งเป็นเพราะการตั้งค่าแบบอนุรักษ์นิยมของผมเอง

182
00:10:38,619 --> 00:10:42,956
ผมเลยขยายเป็น 240K มันไปได้สูงกว่านั้นด้วยซ้ำ

183
00:10:42,956 --> 00:10:45,076
ผมทดสอบถึง 500K มาแล้ว

184
00:10:45,076 --> 00:10:48,352
แต่ตอนนี้ขออนุรักษ์ไว้ที่ 240 ก่อน

185
00:10:48,352 --> 00:10:51,436
ตอนที่มันเป็น 100K มันเล็กเกินไป

186
00:10:51,436 --> 00:10:55,869
มันคอยบีบอัดข้อมูลอยู่ตลอด แต่มันใกล้เสร็จแล้ว

187
00:10:55,869 --> 00:11:00,013
ไม่น่าใช้เวลานาน โมเดลท้องถิ่นเสร็จก่อนครับ

188
00:11:00,013 --> 00:11:02,807
เห็นไหม ตัวคลาวด์ยังทำงานอยู่

189
00:11:02,807 --> 00:11:04,735
ไม่รู้ว่าจะดีหรือแย่

190
00:11:04,735 --> 00:11:07,529
แต่โมเดลท้องถิ่นเสร็จเร็วกว่า

191
00:11:07,529 --> 00:11:11,769
ผมจะรอให้ตัวคลาวด์เสร็จ เพื่อจะได้ดูเทียบกัน

192
00:11:11,769 --> 00:11:15,624
แต่ที่น่าสนใจคือมันทำเสร็จเร็วกว่าจริง ๆ

193
00:11:15,624 --> 00:11:17,551
เรียบร้อยทั้งคู่ครับ

194
00:11:17,551 --> 00:11:20,539
และผมจะเริ่มจากเวอร์ชันท้องถิ่น

195
00:11:20,539 --> 00:11:24,008
ผลลัพธ์โจทย์ข้อ 1 — เวอร์ชันท้องถิ่น

196
00:11:24,008 --> 00:11:27,959
จำไว้นะครับ นี่คือ DeepSeek-V4-Flash 0731

197
00:11:27,959 --> 00:11:30,850
เวอร์ชันที่ถูก quantize หนัก ๆ

198
00:11:30,850 --> 00:11:40,101
ซึ่งผมรันบน DGX Spark เครื่องเดียว นี่คือเว็บไซต์ แนวคิดคือพอเลื่อนลงมา มันควรมีองค์ประกอบต่าง ๆ

199
00:11:40,101 --> 00:11:44,534
ที่รวมตัวกันแล้วแยกออก เพื่อสร้าง landing page

200
00:11:44,534 --> 00:11:48,581
และเห็นชัดว่ามันทำได้ครับ แบบ one-shot เลย

201
00:11:48,581 --> 00:11:52,725
DeepSeek-V4-Flash เอาล่ะ ผมจะเลื่อนลงไปแล้ว

202
00:11:52,725 --> 00:11:55,712
ขอความกรุณาต่อตัวนี้หน่อยนะครับ

203
00:11:55,712 --> 00:11:59,760
เพราะมันเป็นเวอร์ชันที่ถูก quantize หนัก ๆ

204
00:11:59,760 --> 00:12:04,096
และนี่คืองานที่ยากมากจริง ๆ เลื่อนลงไปเลยครับ

205
00:12:04,096 --> 00:12:06,987
มันเริ่มเลื่อนลงมาแล้ว เห็นไหม

206
00:12:06,987 --> 00:12:11,131
มีองค์ประกอบอินเทอร์แอกทีฟบางอย่าง นั่นแหละ

207
00:12:11,131 --> 00:12:12,480
จางเข้ามาสวยดี

208
00:12:12,480 --> 00:12:16,624
เห็นมันขยับขึ้นและขยายขึ้นตอนที่เราเลื่อนลง

209
00:12:16,624 --> 00:12:19,129
ขึ้น เส้นขยับ Low High Max

210
00:12:19,129 --> 00:12:22,984
เห็นได้ชัดว่าบางองค์ประกอบตรงนี้เพี้ยนไป

211
00:12:22,984 --> 00:12:26,549
แต่ข้างล่างนี้ก็เห็นว่ามันขยับ เอาล่ะ

212
00:12:26,549 --> 00:12:30,693
จางเข้ามา นั่นแหละ Fast is the flagship Get

213
00:12:30,693 --> 00:12:34,933
the weights โอเค มันคงไม่ชนะ AI Royal Rumble

214
00:12:34,933 --> 00:12:38,499
หรอก แต่ขอบอกว่ามันสร้าง landing page

215
00:12:38,499 --> 00:12:42,546
ที่ใช้งานได้จริง และนั่นคือสิ่งที่ GLM 5.2

216
00:12:42,546 --> 00:12:46,690
(โมเดล AI) ทำไม่ได้ตอน AI Royal Rumble ครับ

217
00:12:46,690 --> 00:12:49,388
มันมีองค์ประกอบอยู่หลายอย่าง

218
00:12:49,388 --> 00:12:53,243
บางอย่างก็เรียบมาก บางอย่างก็พังนิดหน่อย

219
00:12:53,243 --> 00:12:58,543
แต่อย่างน้อยมันก็พยายามทำองค์ประกอบอินเทอร์แอกทีฟพวกนี้

220
00:12:58,543 --> 00:13:02,783
เห็นแถบนี้เลื่อนขึ้นลงตามการเลื่อนหน้าของเรา

221
00:13:02,783 --> 00:13:07,120
เห็นอันนี้พยายามขยายตอนเลื่อนลงหรือเลื่อนขึ้น

222
00:13:07,120 --> 00:13:08,854
มี fade (การค่อย ๆ

223
00:13:08,854 --> 00:13:15,985
จางหาย) ตัวหนังสือนี้หดเล็กลงตอนที่มันเลื่อนลง มันพยายามอย่างเต็มที่จริง ๆ

224
00:13:15,985 --> 00:13:18,876
ครับ มากกว่าที่ผมคาดไว้ด้วยซ้ำ

225
00:13:18,876 --> 00:13:23,213
แต่เห็นชัดว่ามันเทียบไม่ได้กับอะไรอย่าง Fable

226
00:13:23,213 --> 00:13:27,646
หรือ Soul ไม่ใช่ว่าพวกเขาอ้างว่าเทียบได้นะ ใช่

227
00:13:27,646 --> 00:13:31,019
นี่คือผลงานของเวอร์ชันท้องถิ่นของผม

228
00:13:31,019 --> 00:13:35,451
มาดูกันว่าเวอร์ชันคลาวด์เต็มรูปแบบของ DeepSeek

229
00:13:35,451 --> 00:13:38,631
ทำอะไรได้บ้าง ผลลัพธ์โจทย์ข้อ 1 —

230
00:13:38,631 --> 00:13:41,426
เวอร์ชันคลาวด์เต็มรูปแบบ โอเค

231
00:13:41,426 --> 00:13:44,799
นี่คือตัวทางการครับ ตัวเต็มบนคลาวด์

232
00:13:44,799 --> 00:13:48,750
หน้าตาดีตั้งแต่แรกเห็นเลย เลื่อนลงมาดูกัน

233
00:13:48,750 --> 00:13:53,086
นั่นสวยดี V4 Flash เอฟเฟกต์นั้นเจ๋งมาก ดี 30B

234
00:13:53,086 --> 00:13:57,423
mixture of experts routing Sparks เจ๋งมาก Low

235
00:13:57,423 --> 00:14:01,759
High Max Outperforms It's open, take it right

236
00:14:01,759 --> 00:14:04,843
now Fast is the flagship เจ๋งมาก

237
00:14:04,843 --> 00:14:08,987
หน้าตาตรงนั้นสวยดี Get the weights นั่นแหละ

238
00:14:08,987 --> 00:14:11,107
น่าประทับใจจริง ๆ ครับ

239
00:14:11,107 --> 00:14:16,214
มันอยู่ในระดับเดียวกับที่เราเห็นจากโมเดลพวกนั้นแน่นอน

240
00:14:16,214 --> 00:14:20,262
ผมจัดให้มันเทียบเท่ากับที่ K3 ทำได้เลยครับ

241
00:14:20,262 --> 00:14:24,598
Kimi K3 และผมคิดว่าบางส่วนมันเทียบได้กับ Soul

242
00:14:24,598 --> 00:14:28,838
และแม้แต่ Fable อาจต่ำกว่าสองตัวนั้นเล็กน้อย

243
00:14:28,838 --> 00:14:31,440
แต่เทียบเท่า Kimi K3 แน่นอน

244
00:14:31,440 --> 00:14:33,560
ด้วยขนาดที่เล็กกว่ามาก

245
00:14:33,560 --> 00:14:35,873
เอฟเฟกต์บางอย่างก็เจ๋งดี

246
00:14:35,873 --> 00:14:39,535
แน่นอนว่ามันไม่สมบูรณ์แบบ แม้แต่ Fable

247
00:14:39,535 --> 00:14:43,582
ก็ยังไม่สมบูรณ์ มีองค์ประกอบซ้อนทับกันบ้าง

248
00:14:43,582 --> 00:14:47,437
แต่โดยรวมผมพอใจกับผลลัพธ์นั้นมาก เจ๋ง ดี

249
00:14:47,437 --> 00:14:50,713
ใช่ครับ นั่นคือผลของโจทย์ยากข้อแรก

250
00:14:50,713 --> 00:14:55,050
และต่อไปเราจะไปโจทย์ข้อสองกัน โจทย์ข้อที่ 2 —

251
00:14:55,050 --> 00:14:58,712
โลก Three.js จาก The Lord of the Rings

252
00:14:58,712 --> 00:15:00,736
โจทย์ข้อสองที่ผมจะให้

253
00:15:00,736 --> 00:15:04,687
มันไม่ได้เป็นส่วนหนึ่งของ AI Royal Rumble

254
00:15:04,687 --> 00:15:08,348
แต่อ้างอิงมาจากทวีตของ Andrej Karpathy

255
00:15:08,348 --> 00:15:12,396
เขาพูดถึงการใช้ Opus 5 (โมเดล AI) สร้างโลก

256
00:15:12,396 --> 00:15:16,540
Three.js (ไลบรารี JavaScript สำหรับกราฟิก 3

257
00:15:16,540 --> 00:15:19,431
มิติ) ซึ่งเป็นฉากแบบ cinematic

258
00:15:19,431 --> 00:15:23,671
(เหมือนในภาพยนตร์) จากย่อหน้าแรกของ The Lord

259
00:15:23,671 --> 00:15:25,983
of the Rings จริงไหมครับ

260
00:15:25,983 --> 00:15:29,260
หน้าตามันดีมากสำหรับสิ่งที่มันเป็น

261
00:15:29,260 --> 00:15:33,018
และเขาบอกว่า Opus 5 ใช้เวลาทำสองชั่วโมง

262
00:15:33,018 --> 00:15:36,295
ด้วยงบประมาณ token ประมาณหนึ่งล้าน

263
00:15:36,295 --> 00:15:40,728
และนี่คือสิ่งที่มันสร้าง ดูดีอย่างที่ผมบอกครับ

264
00:15:40,728 --> 00:15:42,944
นั่นคือแนวคิดที่เราจะทำ

265
00:15:42,944 --> 00:15:46,991
ผมอยากลองสร้างแบบเดียวกันกับโมเดล DeepSeek

266
00:15:46,991 --> 00:15:51,231
ดูว่ามันทำได้ดีแค่ไหน คงไม่ใกล้เคียงขนาดนั้น

267
00:15:51,231 --> 00:15:56,628
แต่ถ้ามันเรนเดอร์ฉากแบบนี้ได้บ้างก็ถือว่าน่าประทับใจแล้ว

268
00:15:56,628 --> 00:16:01,061
เพราะนี่ค่อนข้างขั้นสูง นี่คือ prompt เต็มครับ

269
00:16:01,061 --> 00:16:05,301
ผมบอกว่าผมให้ย่อหน้าแรกของ Lord of the Rings

270
00:16:05,301 --> 00:16:09,637
และอยากให้มันสร้างโลก Three.js จากย่อหน้านั้น

271
00:16:09,637 --> 00:16:12,625
นี่คือข้อความหรือย่อหน้านั้นเอง

272
00:16:12,625 --> 00:16:16,672
และข้างล่างผมบอกว่า คุณต้องสร้าง cinematic

273
00:16:16,672 --> 00:16:19,949
rendering (การเรนเดอร์แบบภาพยนตร์)

274
00:16:19,949 --> 00:16:22,454
ของย่อหน้าแรกนี้ในสไตล์นี้

275
00:16:22,454 --> 00:16:26,598
และผมให้วิดีโออ้างอิงนี้ด้วย เพราะ Karpathy

276
00:16:26,598 --> 00:16:29,489
เอามันไปวางบนเว็บไซต์ของเขาเอง

277
00:16:29,489 --> 00:16:32,476
ผมจะให้วิดีโอนั้นเป็น reference

278
00:16:32,476 --> 00:16:36,909
(ข้อมูลอ้างอิง) ให้พวกมันดู แม้ว่าพวกมันไม่ใช่

279
00:16:36,909 --> 00:16:40,378
vision model (โมเดลที่มองเห็นภาพได้)

280
00:16:40,378 --> 00:16:44,811
จะดูไม่ได้ แต่บางทีอาจใช้ประโยชน์จาก reference

281
00:16:44,811 --> 00:16:49,244
นี้ได้บ้าง แล้วเราจะได้เห็นกัน ผลลัพธ์โจทย์ข้อ

282
00:16:49,244 --> 00:16:51,653
2 — เวอร์ชันท้องถิ่น โอเค

283
00:16:51,653 --> 00:16:54,833
เราได้ผลลัพธ์จากโมเดลท้องถิ่นแล้ว

284
00:16:54,833 --> 00:16:57,724
ใช้เวลาประมาณหนึ่งชั่วโมงครึ่ง

285
00:16:57,724 --> 00:16:59,652
แต่เรามีอะไรบางอย่าง

286
00:16:59,652 --> 00:17:03,795
เห็นไหมว่ามีโลกบางอย่างเกิดขึ้น ผมจะกด play

287
00:17:03,795 --> 00:17:07,843
ดูว่าเรามีอะไร มันสร้างภาพยนตร์ออกมาจริง ๆ

288
00:17:07,843 --> 00:17:11,986
แน่นอนว่าไม่เนียนเท่าตัว Opus แต่มีคำบรรยาย

289
00:17:11,986 --> 00:17:16,034
มีการเคลื่อนกล้อง ตรงนั้นคือ Bag End mound

290
00:17:16,034 --> 00:17:19,407
(เนินแบ็กเอนด์) เท่าที่เห็น มันสั่น

291
00:17:19,407 --> 00:17:23,839
มีแผ่นดินไหวเหรอ? ผมว่าไม่น่ามีในหนังต้นฉบับนะ

292
00:17:23,839 --> 00:17:26,634
นั่นอาจเป็นองค์ประกอบที่พังไป

293
00:17:26,634 --> 00:17:28,658
เห็นตัวละครอยู่ตรงนี้

294
00:17:28,658 --> 00:17:31,741
ผมไม่รู้ว่าทำไมมันสั่นมากขนาดนี้

295
00:17:31,741 --> 00:17:35,500
เห็นตัวละครอีกตัว นั่น Bilbo หรือเปล่า?

296
00:17:35,500 --> 00:17:43,980
นี่คือ Party Fields (ทุ่งปาร์ตี้) [เสียงหัวเราะ] นี่คือ Hobbit holes (โพรงฮอบบิท) เล็ก ๆ

297
00:17:43,980 --> 00:17:47,835
แบบพื้นฐานมาก เห็นชัดว่ามีปัญหากล้องสั่น

298
00:17:47,835 --> 00:17:51,689
แต่อย่างที่บอก นี่คือโมเดลท้องถิ่นที่ถูก

299
00:17:51,689 --> 00:17:54,580
quantize หนัก ๆ ทำแบบ one-shot

300
00:17:54,580 --> 00:17:58,339
ผมว่าสำหรับสิ่งที่มันเป็น มันก็น่ารักดี

301
00:17:58,339 --> 00:18:02,675
อย่างน้อยมันก็ทำได้ มันไม่พัง แค่เรียบง่ายมาก

302
00:18:02,675 --> 00:18:05,855
และมีบั๊กเล็ก ๆ น้อย ๆ อยู่ตรงนี้

303
00:18:05,855 --> 00:18:09,517
ต้นไม้ตรงนี้ดูค่อนข้างดีเลย โอ้โห โอเค

304
00:18:09,517 --> 00:18:12,215
ไม่รู้ว่าเกิดอะไรขึ้นตรงนั้น

305
00:18:12,215 --> 00:18:14,432
ไม่อยากทำให้คุณตกใจ ใช่

306
00:18:14,432 --> 00:18:17,226
ผมไม่รู้ว่ากล้องสั่นเพราะอะไร

307
00:18:17,226 --> 00:18:20,888
แต่ฉากสุดท้ายตรงนี้ก็ไม่ได้แย่ขนาดนั้น

308
00:18:20,888 --> 00:18:25,321
จริงไหมครับ ผลลัพธ์โจทย์ข้อ 2 — เวอร์ชันคลาวด์

309
00:18:25,321 --> 00:18:29,079
โอเค นั่นคือโมเดลท้องถิ่นจัดการโจทย์นี้

310
00:18:29,079 --> 00:18:33,416
มาดูกันว่าโมเดลคลาวด์ทางการทำอะไรได้บ้าง โอเค

311
00:18:33,416 --> 00:18:37,367
อันนี้ใช้เวลาประมาณ 40 นาทีตั้งแต่ต้นจนจบ

312
00:18:37,367 --> 00:18:39,776
ผมมีปัญหาการเชื่อมต่อบ้าง

313
00:18:39,776 --> 00:18:43,823
คิดว่าตอนนี้มีความต้องการใช้โมเดลนี้สูงมาก

314
00:18:43,823 --> 00:18:47,774
นี่คือสิ่งที่มันผลิตออกมา มาดูกัน กด play

315
00:18:47,774 --> 00:18:50,858
มันมีเสียงด้วยนะ แต่คุณฟังไม่ได้

316
00:18:50,858 --> 00:18:54,906
หน้าตาดีกว่ามาก มันเป็นเต็นท์ปาร์ตี้เล็ก ๆ

317
00:18:54,906 --> 00:18:59,049
น่ารัก ท้องฟ้าดูสวยมากจริง ๆ นั่นคือ Hobbit

318
00:18:59,049 --> 00:19:03,386
holes แบ็กเอนด์ โอ้โห ว้าว กล้องถูกตัดไปหน่อย

319
00:19:03,386 --> 00:19:06,277
แต่มันดูคล้ายกับที่ Opus ทำเลย

320
00:19:06,277 --> 00:19:08,686
มีรายละเอียดเล็ก ๆ น้อย ๆ

321
00:19:08,686 --> 00:19:12,251
เยอะ แน่นอนว่าไม่สมบูรณ์แบบ แต่จริง ๆ

322
00:19:12,251 --> 00:19:16,492
แล้วมีองค์ประกอบดี ๆ อยู่เยอะ ผมว่าอย่างนั้น

323
00:19:16,492 --> 00:19:20,346
ตอนนี้เข้าสู่ช่วงกลางคืน ไฟดูดี ไฟตรงนี้

324
00:19:20,346 --> 00:19:24,105
ท้องฟ้าก็สวยมาก ไฟตรงนั้นดูสวย นั่นแหละ

325
00:19:24,105 --> 00:19:28,248
โดยรวมแล้ว ผมว่ามันทำได้ค่อนข้างดีสำหรับการ

326
00:19:28,248 --> 00:19:30,176
one-shot โจทย์แบบนี้

327
00:19:30,176 --> 00:19:33,934
ไม่ใช่ทุกอย่างที่สมบูรณ์แบบ จริงไหมครับ

328
00:19:33,934 --> 00:19:36,536
แต่มันเก็บรายละเอียดได้เยอะ

329
00:19:36,536 --> 00:19:40,005
ผมอยากย้อนกลับไปตอนที่มันอยู่ข้างใต้

330
00:19:40,005 --> 00:19:44,341
ตรงนี้มันถูกตัดออกไป มีบางอย่างผิดกับมุมกล้อง

331
00:19:44,341 --> 00:19:48,967
แต่คุณเห็นไหมว่านี่คืออุโมงค์ที่เต็มไปด้วยสมบัติ

332
00:19:48,967 --> 00:19:53,496
มันสร้างฉากนั้นขึ้นมาใหม่ได้อย่างถูกต้องทีเดียว

333
00:19:53,496 --> 00:19:57,929
ภายใต้แสงสีเทา และมันดูไม่ดีเท่า Opus เห็นไหม?

334
00:19:57,929 --> 00:20:01,880
ดูใช้ได้เลย จริง ๆ แล้วดูไม่ดีเท่า Opus 5

335
00:20:01,880 --> 00:20:04,386
แต่ผมว่ามันดูใช้ได้ทีเดียว

336
00:20:04,386 --> 00:20:08,337
สำหรับสิ่งที่มันเป็น และวิวกลางคืนก็ดูสวย

337
00:20:08,337 --> 00:20:12,577
ดังนั้นผมค่อนข้างประทับใจผลลัพธ์นี้สำหรับการ

338
00:20:12,577 --> 00:20:15,661
one-shot งานที่ค่อนข้างยากจริง ๆ

339
00:20:15,661 --> 00:20:24,430
และเห็นได้ชัดว่าคุณแยกความแตกต่างระหว่างเวอร์ชันเต็มทางการกับสิ่งที่โมเดลท้องถิ่นของผมทำได้

340
00:20:24,430 --> 00:20:27,514
ใช่ นั่นแหละครับ โจทย์ข้อที่ 3 —

341
00:20:27,514 --> 00:20:31,946
เกมปริศนาวงวนเวลา โจทย์ยากข้อสุดท้ายที่ผมจะให้

342
00:20:31,946 --> 00:20:36,283
คือ prompt เดียวกับที่ผมให้ agent ใน AI Royal

343
00:20:36,283 --> 00:20:40,716
Rumble เพื่อสร้างเกม และนี่ไม่ใช่เกมยิงปืนง่าย

344
00:20:40,716 --> 00:20:44,859
ๆ อะไรแบบนั้น พวกมันต้องสร้างเกม platformer

345
00:20:44,859 --> 00:20:49,100
(เกมแพลตฟอร์มกระโดดปีน) แบบ time loop puzzle

346
00:20:49,100 --> 00:20:52,376
(ปริศนาวงวนเวลา) ที่เล่นได้สมบูรณ์

347
00:20:52,376 --> 00:20:57,676
โดยผู้เล่นต้องร่วมมือกับบันทึกการเล่นของตัวเองในรอบก่อน

348
00:20:57,676 --> 00:20:59,989
ๆ กลไกตัวนี้ยากมากจริง ๆ

349
00:20:59,989 --> 00:21:04,325
ตัวเกมไม่ต้องสวยงามอะไร ไม่ต้องมีอะไรเว่อร์ ๆ

350
00:21:04,325 --> 00:21:08,951
โมเดลส่วนใหญ่ แม้แต่ Fable ก็ทำแค่จอพิกเซลง่าย ๆ

351
00:21:08,951 --> 00:21:16,660
เช่น อันนี้คือของ Soul หรือ GPT-Soul (โมเดล AI) แนวคิดคือคุณต้องเล่นเป็นเทิร์น ๆ

352
00:21:16,660 --> 00:21:19,648
โดยเทิร์นก่อนหน้าจะเป็นเหมือนผี

353
00:21:19,648 --> 00:21:22,153
และคุณต้องร่วมมือกับตัวเอง

354
00:21:22,153 --> 00:21:25,430
ซึ่งก็คือเวอร์ชันก่อนหน้าของตัวเอง

355
00:21:25,430 --> 00:21:29,477
เพื่อแก้ปริศนา หวังว่าผมอธิบายเข้าใจนะครับ

356
00:21:29,477 --> 00:21:31,693
แต่แนวคิดคือแบบนั้น ใช่

357
00:21:31,693 --> 00:21:35,452
มันเป็นกลไกที่ค่อนข้างซับซ้อน นี่คือของ

358
00:21:35,452 --> 00:21:38,535
GPT-Soul มาดูกัน นี่คือของ Fable

359
00:21:38,535 --> 00:21:41,330
เห็นชัดว่าภาพไม่ได้เว่อร์อะไร

360
00:21:41,330 --> 00:21:45,281
แต่กลไกต่างหากที่ยาก และโจทย์พวกนี้ยากมาก

361
00:21:45,281 --> 00:21:49,714
ใช้เวลาหลายชั่วโมงกว่าจะเสร็จ นั่นคือของ Fable

362
00:21:49,714 --> 00:21:54,147
และนี่คือของ Kimi K3 ภาพยิ่งเรียบง่ายเข้าไปอีก

363
00:21:54,147 --> 00:21:58,483
แต่กลไกก็ยากเหมือนกัน พวกมันทำกลไกได้ดีทุกตัว

364
00:21:58,483 --> 00:22:01,278
มีแค่ Kimi K3 ที่พลาดโจทย์นี้

365
00:22:01,278 --> 00:22:03,302
ไม่ออกมาดีเท่าตัวอื่น

366
00:22:03,302 --> 00:22:07,156
นี่คือสิ่งที่ผมขอให้โมเดล DeepSeek ลองทำ

367
00:22:07,156 --> 00:22:11,396
ผมจะทึ่งมากถ้าโมเดลท้องถิ่นทำได้ มาดูกันครับ

368
00:22:11,396 --> 00:22:15,829
ผมเคยนับโมเดล DeepSeek ท้องถิ่นที่ถูก quantize

369
00:22:15,829 --> 00:22:17,178
ว่าตกรอบไปแล้ว

370
00:22:17,178 --> 00:22:20,455
แต่จนถึงตอนนี้มันผ่านทุกโจทย์มาได้

371
00:22:20,455 --> 00:22:23,828
ไม่สมบูรณ์แบบ ที่จริงก็ไม่ค่อยดีนัก

372
00:22:23,828 --> 00:22:27,682
แต่ก็ผลิตอะไรออกมาได้ ใช่ ผมจะให้ prompt

373
00:22:27,682 --> 00:22:32,019
นี้กับพวกมัน แล้วมาดูกันว่าทำอะไรได้บ้าง โอเค

374
00:22:32,019 --> 00:22:34,621
เริ่ม session ใหม่ให้ตัวนี้

375
00:22:34,621 --> 00:22:37,993
แล้วดูว่ามันจัดการยังไง ระหว่างรอ —

376
00:22:37,993 --> 00:22:41,270
อัปเดตสถานะ โอเค มันเริ่มทำงานแล้ว

377
00:22:41,270 --> 00:22:44,835
ทั้งสองตัวรันมาแล้ว 1 ชั่วโมง 10 นาที

378
00:22:44,835 --> 00:22:48,883
อันนี้จะใช้เวลานานหน่อย ผมว่า Kimi K2 หรือ

379
00:22:48,883 --> 00:22:51,870
Kimi K3 ใช้เวลาประมาณ 2 ชั่วโมง

380
00:22:51,870 --> 00:22:55,339
เห็นไหมว่ามันยังทำงานอยู่ ยังคิดอยู่

381
00:22:55,339 --> 00:22:58,616
พยายามวางแผน แต่นี่เป็นโจทย์ที่ยาก

382
00:22:58,616 --> 00:23:02,278
มันต้องใช้เวลานาน ที่จริงผมว่า Kimi K3

383
00:23:02,278 --> 00:23:06,711
ใช้เวลาราว 3 ชั่วโมงทำโจทย์นี้ และแม้แต่ Fable

384
00:23:06,711 --> 00:23:08,734
ก็น่าจะเกินสองชั่วโมง

385
00:23:08,734 --> 00:23:12,782
มันต้องใช้เวลาพอสมควรครับ เอาล่ะ เสร็จแล้ว

386
00:23:12,782 --> 00:23:17,022
นี่คือเวอร์ชันท้องถิ่น มันเสร็จตอน 1 ชั่วโมง

387
00:23:17,022 --> 00:23:19,913
10 นาที หลังอัปเดตเมื่อกี้พอดี

388
00:23:19,913 --> 00:23:24,249
ผมถูกรบกวนเล็กน้อยระหว่างนั้น รวมแล้วประมาณ 2

389
00:23:24,249 --> 00:23:28,200
ชั่วโมง 40 นาที ใกล้เคียงกับ Kimi K3 ครับ

390
00:23:28,200 --> 00:23:31,862
และเวอร์ชันคลาวด์ก็เสร็จตามมาอีกสักพัก

391
00:23:31,862 --> 00:23:34,946
แต่ผมมีปัญหาการเชื่อมต่ออีกครั้ง

392
00:23:34,946 --> 00:23:38,030
ใช้เวลาใกล้เคียงกันน่าจะได้ โอเค

393
00:23:38,030 --> 00:23:41,113
อันแรกที่ผมจะลองคือโมเดลท้องถิ่น

394
00:23:41,113 --> 00:23:45,161
ลองเล่นเกมของมันดูครับ ผลลัพธ์โจทย์ข้อ 3 —

395
00:23:45,161 --> 00:23:47,184
เวอร์ชันท้องถิ่น โอเค

396
00:23:47,184 --> 00:23:49,594
นี่คือเกมของโมเดลท้องถิ่น

397
00:23:49,594 --> 00:23:53,641
เห็นไหมว่ามีคำแนะนำอยู่ตรงนี้ แผงนี้มีบั๊ก

398
00:23:53,641 --> 00:23:57,881
ถ้าคุณเปิด console (คอนโซลสำหรับตรวจสอบโค้ด)

399
00:23:57,881 --> 00:24:02,025
จะเห็นว่ามีบั๊กในวิธีที่มันแสดงผล ปกติใน AI

400
00:24:02,025 --> 00:24:05,687
Royal Rumble แบบนี้ก็ถูกตัดสิทธิ์ทันที

401
00:24:05,687 --> 00:24:08,481
แต่ผมจะให้โอกาสมันซ่อมบั๊กนี้

402
00:24:08,481 --> 00:24:12,529
เพื่อที่เราจะได้เห็นว่าเกมจริง ๆ เป็นยังไง

403
00:24:12,529 --> 00:24:16,865
มันน่าจะเป็นอะไรที่พื้นฐานมาก มาดูกัน เห็นไหม

404
00:24:16,865 --> 00:24:20,431
มันเป็นบั๊กของ loader (ตัวโหลดข้อมูล)

405
00:24:20,431 --> 00:24:23,804
ที่ต้องการอะไรบางอย่าง โอเค ได้แล้ว

406
00:24:23,804 --> 00:24:26,887
มันพื้นฐานมาก ใช่ แค่นั้นเอง โอ้

407
00:24:26,887 --> 00:24:29,007
คุณเก็บอันนั้นได้ โอเค

408
00:24:29,007 --> 00:24:32,477
ผมจะลองแก้ปริศนานี้หน้ากล้องเลย โอเค

409
00:24:32,477 --> 00:24:36,042
คิดว่าเข้าใจแล้ว นั่นคือกุญแจ ได้แล้ว

410
00:24:36,042 --> 00:24:40,379
นั่นคือกุญแจ อ่านตัวหนังสือยาก แต่มันเขียนว่า

411
00:24:40,379 --> 00:24:44,041
key (กุญแจ) และ lock (แม่กุญแจ) ตรงนี้

412
00:24:44,041 --> 00:24:46,932
หยุดบนแผ่นที่ 8 เพื่อเปิดประตู

413
00:24:46,932 --> 00:24:49,533
หยุดบนแผ่นเพื่อปลดล็อกประตู

414
00:24:49,533 --> 00:24:52,521
แล้วหยุดบนเป้าหมายเพื่อชนะ โอเค

415
00:24:52,521 --> 00:24:56,761
คิดว่าเข้าใจแล้ว ชนะแล้ว นั่นแหละ เกมง่ายมาก

416
00:24:56,761 --> 00:24:59,459
แต่กลไกใช้งานได้จริง เห็นไหม

417
00:24:59,459 --> 00:25:01,194
คุณต้องหยุดตรงนั้น

418
00:25:01,194 --> 00:25:04,952
แล้วเจ้าตัวนี้ต้องอยู่ตรงนั้น แล้วก็ชนะ

419
00:25:04,952 --> 00:25:07,458
จริงไหม? โอเค มันทำกลไกได้

420
00:25:07,458 --> 00:25:10,059
แบบง่ายที่สุดเท่าที่จะทำได้

421
00:25:10,059 --> 00:25:13,432
แต่นี่คือโมเดลท้องถิ่นของผมอีกครั้ง

422
00:25:13,432 --> 00:25:15,841
การที่มันทำให้มันทำงานได้

423
00:25:15,841 --> 00:25:19,118
ถือว่าน่าประทับใจสำหรับผมอย่างน้อย

424
00:25:19,118 --> 00:25:22,298
มาลองเวอร์ชันทางการจริง ๆ กันครับ

425
00:25:22,298 --> 00:25:26,056
ผลลัพธ์โจทย์ข้อ 3 — เวอร์ชันคลาวด์ โอเค

426
00:25:26,056 --> 00:25:30,104
เห็นได้เลยว่าอันนี้ขั้นสูงกว่า นี่คือโมเดล

427
00:25:30,104 --> 00:25:34,151
DeepSeek เต็มรูปแบบที่รันบนคลาวด์ ผ่าน New

428
00:25:34,151 --> 00:25:38,488
Portal ในกรณีนี้ พวกเขาเรียกมันว่า Echo Vault

429
00:25:38,488 --> 00:25:42,824
เกมปริศนาวงวนเวลา มาดูกันว่าผมเล่นได้ดีแค่ไหน

430
00:25:42,824 --> 00:25:46,100
ไปเลย ขึ้น มีกำแพงล่องหน เห็นจะได้

431
00:25:46,100 --> 00:25:50,437
ถ้าผมทำแบบนั้นล่ะ? ทำยังไง โอเค ได้แล้ว ผมได้

432
00:25:50,437 --> 00:25:52,364
rewind (กรอกลับเวลา)

433
00:25:52,364 --> 00:25:56,123
งั้นกำแพงล่องหนนั้นเปิดด้วยสิ่งนี้ โอเค

434
00:25:56,123 --> 00:25:59,688
ผ่านได้แล้ว ผมเก็บอะไรบางอย่างได้ โอ้

435
00:25:59,688 --> 00:26:04,121
นั่นคือกุญแจ นั่นแหละ คิดว่ารอบนี้คงไม่ทันเวลา

436
00:26:04,121 --> 00:26:08,072
ผมใช้เวลานานเกินไปกับประตูแรก นี่คล้ายกัน

437
00:26:08,072 --> 00:26:12,505
เห็นไหม? นั่นแหละ คิดว่าไม่ทัน ขอเล่นใหม่ โอเค

438
00:26:12,505 --> 00:26:14,818
ลองอีกครั้ง นั่นคือหนึ่ง

439
00:26:14,818 --> 00:26:17,034
แล้วเอากุญแจไปวางตรงนี้

440
00:26:17,034 --> 00:26:20,600
เปิดประตูที่ดูเหมือนล่องหนนั่น นี่คือ

441
00:26:20,600 --> 00:26:23,587
ถ้าคุณจำอันที่ Kimi K3 ทำไว้ได้

442
00:26:23,587 --> 00:26:27,442
อันนี้ดูอลังการกว่า ขึ้น ผมตายหรือเปล่า?

443
00:26:27,442 --> 00:26:32,067
ติดอยู่ตรงนี้ ไม่รู้จะทำยังไง ต้องจับจังหวะสินะ?

444
00:26:32,067 --> 00:26:36,982
ผมจะลอดข้างล่าง ขึ้น เดาว่ามันยกมันขึ้นไว้ จริงไหม?

445
00:26:36,982 --> 00:26:38,235
ผมผ่านได้ไหม?

446
00:26:38,235 --> 00:26:41,993
เราทำได้ ห้องนิรภัยเปิดแล้ว Four loops,

447
00:26:41,993 --> 00:26:45,366
three echoes, one timeline (สี่วงวน

448
00:26:45,366 --> 00:26:48,739
สามเสียงสะท้อน หนึ่งไทม์ไลน์) ดีมาก

449
00:26:48,739 --> 00:26:53,075
พวกมันใช้กลไกหลายอย่างตรงนี้ ทั้งแผ่นกด กุญแจ

450
00:26:53,075 --> 00:26:56,833
และเจ้าตัวนี้ที่ช่วยยกของ ถือว่าฉลาดมาก

451
00:26:56,833 --> 00:27:01,266
เพราะหลายโมเดล แม้แต่ของ Soul ก็แค่ใช้ปุ่มง่าย

452
00:27:01,266 --> 00:27:05,314
ๆ ถึงภาพจะสวยกว่ามาก แต่ก็เป็นแค่ปุ่มเดียว

453
00:27:05,314 --> 00:27:08,397
และถ้าคุณจำได้ นี่คือของ Kimi K3

454
00:27:08,397 --> 00:27:12,734
อันนี้ก็ประมาณสองปุ่ม และอีกอันที่เขาเรียกว่า

455
00:27:12,734 --> 00:27:16,107
fuse (ฟิวส์) แต่จริง ๆ แล้วคือกุญแจ

456
00:27:16,107 --> 00:27:18,130
ดังนั้นโมเดล DeepSeek

457
00:27:18,130 --> 00:27:21,985
นี้มีเกมที่สร้างสรรค์กว่า ผมว่าอย่างนั้น

458
00:27:21,985 --> 00:27:26,418
และภาพก็ดีกว่าตัว Kimi ด้วย จริงไหมครับ แน่นอน

459
00:27:26,418 --> 00:27:29,309
ดีกว่าชัด ๆ น่าประทับใจทีเดียว

460
00:27:29,309 --> 00:27:33,260
เมื่อพิจารณาความแตกต่างระหว่างสองโมเดลนี้

461
00:27:33,260 --> 00:27:35,958
และนั่นคือโจทย์สุดท้ายของเรา

462
00:27:35,958 --> 00:27:37,885
สรุปผลการทดสอบโดยรวม

463
00:27:37,885 --> 00:27:42,029
โดยรวมจากการเล่นกับมันและดูว่ามันทำงานยังไง

464
00:27:42,029 --> 00:27:44,920
ผมว่ามันทำได้ระดับเดียวกันครับ

465
00:27:44,920 --> 00:27:46,751
จำตอนเปิดคลิปได้ไหม

466
00:27:46,751 --> 00:27:50,220
ลูกกลมนั้นเทียบเท่ากับโมเดล frontier

467
00:27:50,220 --> 00:27:54,171
(โมเดลระดับแนวหน้า) รุ่นล่าสุดได้เลย หน้า

468
00:27:54,171 --> 00:27:58,508
landing page ในงานออกแบบ front-end อาจต่ำกว่า

469
00:27:58,508 --> 00:28:02,362
Kimi K3 ในโจทย์ AI Royal Rumble เล็กน้อย

470
00:28:02,362 --> 00:28:06,313
แต่มันทำเสร็จเร็วกว่ามาก และในโจทย์เกมนี้

471
00:28:06,313 --> 00:28:10,168
ผมแปลกใจจริง ๆ เพราะมันดีกว่าที่ Kimi K3

472
00:28:10,168 --> 00:28:12,095
ทำได้อย่างเห็นได้ชัด

473
00:28:12,095 --> 00:28:15,854
และแนวคิดยังซับซ้อนกว่าของ Soul ด้วยซ้ำ

474
00:28:15,854 --> 00:28:19,034
จำอันนี้ได้ไหม? อันนี้ก็แค่แผ่นกด

475
00:28:19,034 --> 00:28:22,503
จับประตูให้เปิดไว้ อันนี้ซับซ้อนกว่า

476
00:28:22,503 --> 00:28:25,201
ดังนั้นในเชิงแนวคิดในฐานะเกม

477
00:28:25,201 --> 00:28:29,634
มันใกล้เคียงกับที่ Fable ทำได้ ซึ่งค่อนข้างบ้า

478
00:28:29,634 --> 00:28:32,910
ใช่ มันอยู่ในระดับเดียวกับ Kimi K3

479
00:28:32,910 --> 00:28:36,283
และแล้วแต่โจทย์ บางโจทย์ก็เหนือกว่า

480
00:28:36,283 --> 00:28:38,211
เปรียบเทียบขนาดโมเดล

481
00:28:38,211 --> 00:28:42,933
และนี่คือสิ่งที่ทำให้บ้าตอนเปรียบเทียบสองโมเดลนี้

482
00:28:42,933 --> 00:28:46,594
โมเดล DeepSeek นี้มีพารามิเตอร์รวม 284

483
00:28:46,594 --> 00:28:50,160
พันล้านตัว (284B) ส่วน Kimi K3 มี 2.8

484
00:28:50,160 --> 00:28:53,726
ล้านล้านตัว ใหญ่กว่าเกือบ 10 เท่า และ

485
00:28:53,726 --> 00:28:55,653
activated parameters

486
00:28:55,653 --> 00:28:59,604
(พารามิเตอร์ที่ถูกใช้งานจริงในแต่ละครั้ง)

487
00:28:59,604 --> 00:29:04,037
มากกว่า 8 เท่า ซึ่ง Kimi เป็นโมเดลที่ยอดเยี่ยม

488
00:29:04,037 --> 00:29:06,350
ผมไม่ได้จะดูถูกมันนะครับ

489
00:29:06,350 --> 00:29:11,842
ผมแค่ทึ่งที่โมเดลที่เบาบางขนาดนี้ต่อยอดหนักเกินตัวขนาดไหน

490
00:29:11,842 --> 00:29:15,793
เลเยอร์ลึกกว่า 2.2 เท่า มี context window

491
00:29:15,793 --> 00:29:18,684
เท่ากัน ข้อได้เปรียบใหญ่ของ K3

492
00:29:18,684 --> 00:29:22,828
คือรองรับภาพด้วย ทำ vision (การมองเห็น) ได้

493
00:29:22,828 --> 00:29:26,779
และใช้สถาปัตยกรรม routed experts คล้ายกัน

494
00:29:26,779 --> 00:29:31,212
ผมอาจทำวิดีโอเกี่ยวกับสถาปัตยกรรมเต็มรูปแบบของ

495
00:29:31,212 --> 00:29:33,621
DeepSeek ตัวนี้ ถ้าคนสนใจ

496
00:29:33,621 --> 00:29:36,609
แต่มันมีลักษณะคล้ายกันหลายอย่าง

497
00:29:36,609 --> 00:29:40,367
การที่สองโมเดลนี้ให้ผลลัพธ์ใกล้เคียงกัน

498
00:29:40,367 --> 00:29:42,583
บางครั้งต่ำกว่าเล็กน้อย

499
00:29:42,583 --> 00:29:44,800
บางครั้งสูงกว่าเล็กน้อย

500
00:29:44,800 --> 00:29:48,847
มันค่อนข้างบ้าเมื่อเทียบกับความต่างของขนาด

501
00:29:48,847 --> 00:29:52,894
และความต่างของราคา เรื่องราคา อย่างเช่น บน

502
00:29:52,894 --> 00:29:57,327
OpenRouter (แพลตฟอร์มรวม API ของโมเดล AI) ราคา

503
00:29:57,327 --> 00:30:01,567
input (ข้อมูลนำเข้า) ของโมเดล DeepSeek คือ 9

504
00:30:01,567 --> 00:30:06,000
เซนต์ ราคา output (ข้อมูลที่โมเดลสร้าง) คือ 18

505
00:30:06,000 --> 00:30:10,433
เซนต์ ส่วน Kimi K3 อยู่ที่ 2.9 และ 14 ตามลำดับ

506
00:30:10,433 --> 00:30:14,384
ต่างกันมหาศาลมากครับ ถ้าจำได้จาก AI Royal

507
00:30:14,384 --> 00:30:18,046
Rumble ตัว Kimi K3 ทำให้ผมเสียเงิน $25

508
00:30:18,046 --> 00:30:21,323
เพื่อสร้างเกม ส่วนตัวนี้เสียแค่ 53

509
00:30:21,323 --> 00:30:23,635
เซนต์สำหรับการรันทั้งหมด

510
00:30:23,635 --> 00:30:27,683
ผมไม่มีตัวเลขแยกรายโจทย์ แต่รวมถึง landing

511
00:30:27,683 --> 00:30:32,116
page เกมลูกกลม One Piece ที่คุณเห็นตอนเปิดคลิป

512
00:30:32,116 --> 00:30:36,259
และฉาก Lord of the Rings ทั้งหมด รวมแล้ว 53

513
00:30:36,259 --> 00:30:38,958
เซนต์ New Portal มีดีลลด 90%

514
00:30:38,958 --> 00:30:43,390
อีกราวหนึ่งสัปดาห์ แต่ต่อให้คูณสิบ มันก็แค่ $5

515
00:30:43,390 --> 00:30:47,631
กว่า ๆ เท่านั้น แค่นั้นก็ถูกกว่าที่เราใช้กับ

516
00:30:47,631 --> 00:30:51,292
Kimi K3 มากแล้ว เพราะแค่เกมเดียวก็ $25

517
00:30:51,292 --> 00:30:53,605
อย่างที่บอก นั่นแหละครับ

518
00:30:53,605 --> 00:30:55,725
บทสรุปและมุมมองส่วนตัว

519
00:30:55,725 --> 00:30:59,869
นั่นคือจุดจบของการทดสอบโจทย์ยากของผม ไม่ใช่

520
00:30:59,869 --> 00:31:01,507
first look จริง ๆ

521
00:31:01,507 --> 00:31:06,036
เพราะใช้เวลาทั้งวัน แต่เป็นโจทย์ที่ท้าทายจริง ๆ

522
00:31:06,036 --> 00:31:09,891
และมันจัดการได้ทุกข้อครับ เวอร์ชัน dense

523
00:31:09,891 --> 00:31:12,108
(เต็มรูปแบบ) ทำได้ดีมาก

524
00:31:12,108 --> 00:31:16,444
และแม้แต่เวอร์ชันท้องถิ่นที่ถูก quantize หนัก

525
00:31:16,444 --> 00:31:18,853
ๆ ของผม ก็ทำเสร็จทุกโจทย์

526
00:31:18,853 --> 00:31:22,515
โจทย์สุดท้ายที่เป็นเกมใช้สองรอบ ไม่ใช่

527
00:31:22,515 --> 00:31:25,984
one-shot แต่สองโจทย์แรกเป็น one-shot

528
00:31:25,984 --> 00:31:28,875
และแน่นอนว่าคุณภาพไม่ได้ดีเลิศ

529
00:31:28,875 --> 00:31:33,308
แต่ผมจะไม่มีวันใช้โมเดลท้องถิ่นที่ถูก quantize

530
00:31:33,308 --> 00:31:37,066
แบบนั้นกับงานหนัก ๆ แบบนี้ ผมจะใช้โมเดล

531
00:31:37,066 --> 00:31:38,166
frontier

532
00:31:38,166 --> 00:31:42,792
อย่างจริงจังสำหรับงานเขียนโค้ดที่หนักหน่วงแบบนี้

533
00:31:42,792 --> 00:31:46,454
แต่การได้เล่นกับโมเดลท้องถิ่นมันสนุกดี

534
00:31:46,454 --> 00:31:50,405
นั่นคือเหตุผลหลักของผม คุณอาจสงสัยว่าทำไม

535
00:31:50,405 --> 00:31:54,741
เพราะตอนนี้มันไม่มีเหตุผลทางเศรษฐกิจเท่าไรนัก

536
00:31:54,741 --> 00:31:56,090
โมเดล DeepSeek

537
00:31:56,090 --> 00:32:02,547
นี้บนคลาวด์ถูกมากจนไม่มีเหตุผลทางเศรษฐกิจมากนักที่จะรันบนเครื่องเอง

538
00:32:02,547 --> 00:32:07,461
แต่มันสนุกที่ได้เล่นกับโมเดลเหล่านี้ในระดับท้องถิ่น

539
00:32:07,461 --> 00:32:10,834
ตั้งค่าพวกมัน ลองปรับแต่งให้เหมาะสม

540
00:32:10,834 --> 00:32:15,171
คุณเรียนรู้ได้เยอะ ถ้าคุณเป็นคนชอบงัดแงะแบบผม

541
00:32:15,171 --> 00:32:17,291
การทำแบบนี้สนุกมากครับ

542
00:32:17,291 --> 00:32:20,856
และถ้าคุณแคร์เรื่องความเป็นส่วนตัวมาก

543
00:32:20,856 --> 00:32:25,675
จุดเด่นใหญ่คือผมเก็บข้อมูลทั้งหมดไว้บนเครื่องของผม

544
00:32:25,675 --> 00:32:29,626
ไม่ส่งไปเซิร์ฟเวอร์คลาวด์ และมันเป็นของผม

545
00:32:29,626 --> 00:32:31,938
ไม่มีใครเอาออกไปจากผมได้

546
00:32:31,938 --> 00:32:34,444
คุณคงเห็นมาก่อนหน้านี้แล้ว

547
00:32:34,444 --> 00:32:38,106
ผมมีปัญหาการเชื่อมต่อกับเวอร์ชันคลาวด์

548
00:32:38,106 --> 00:32:39,205
มันหลุดบ่อย

549
00:32:39,205 --> 00:32:42,578
อันนั้นจะไม่เกิดขึ้นถ้ารันบนเครื่อง

550
00:32:42,578 --> 00:32:45,951
จริงไหมครับ นั่นคือข้อดีอีกข้อหนึ่ง

551
00:32:45,951 --> 00:32:49,324
และผมอยากรู้ว่าคนสนใจกันไหม ถ้าสนใจ

552
00:32:49,324 --> 00:32:52,119
ผมจะทำเวอร์ชันแบบ fine-tuning

553
00:32:52,119 --> 00:32:54,720
(การปรับแต่งโมเดลเพิ่มเติม)

554
00:32:54,720 --> 00:32:57,130
เพื่อการวิจัยแบบอัตโนมัติ

555
00:32:57,130 --> 00:33:00,117
โดยพยายามปรับแต่งโมเดล DeepSeek

556
00:33:00,117 --> 00:33:02,430
ท้องถิ่นของผมให้ดีที่สุด

557
00:33:02,430 --> 00:33:05,706
ตอนนี้ผมยังไม่ได้งัดแงะมากขนาดนั้น

558
00:33:05,706 --> 00:33:10,235
แต่โดยรวมผมค่อนข้างประทับใจกับประสิทธิภาพของมัน

559
00:33:10,235 --> 00:33:13,705
ผมจะไม่ใช้มันกับงานเขียนโค้ดระดับโหด

560
00:33:13,705 --> 00:33:17,945
อย่างที่บอก แต่มันเป็น workhorse (ม้าลากงาน)

561
00:33:17,945 --> 00:33:19,390
ที่แข็งแกร่งได้

562
00:33:19,390 --> 00:33:23,727
ผมใช้มันต่อเนื่องเกินกว่างานพวกนี้อีกเล็กน้อย

563
00:33:23,727 --> 00:33:27,100
มันตอบสนองเร็วมาก เป็นนักวิจัยที่ดี

564
00:33:27,100 --> 00:33:30,954
ฉลาดพอสมควร ไม่ได้ดูโง่ ไม่ทำเรื่องโง่ ๆ

565
00:33:30,954 --> 00:33:33,556
และผมว่ามันมีประโยชน์จริง ๆ

566
00:33:33,556 --> 00:33:41,073
ในฐานะ workhorse สำหรับงานระยะยาว (long-horizon tasks) มันจัดการ context ยาว ๆ

567
00:33:41,073 --> 00:33:42,172
ได้ดีมาก

568
00:33:42,172 --> 00:33:49,014
ดังนั้นผมว่าแน่นอนว่ามันเป็นโมเดลที่มีประโยชน์เมื่อรันบนเครื่องท้องถิ่น

569
00:33:49,014 --> 00:33:52,194
วิดีโอหน้าและคำถามทิ้งท้าย เอาล่ะ

570
00:33:52,194 --> 00:33:55,856
นั่นคือทั้งหมด นี่จะเป็นการจบวิดีโอนี้

571
00:33:55,856 --> 00:34:00,000
หวังว่าคุณจะสนุกนะครับ สัปดาห์หน้าโมเดลใหม่

572
00:34:00,000 --> 00:34:03,566
Qwen 3.8 จะออกมา ผมรู้ว่าเวอร์ชัน max

573
00:34:03,566 --> 00:34:07,902
ออกมาบนคลาวด์แล้ว บางทีผมอาจทำอะไรคล้าย ๆ นี้

574
00:34:07,902 --> 00:34:11,949
ให้โจทย์เดียวกัน ใช้เวอร์ชันคลาวด์ ตัว max

575
00:34:11,949 --> 00:34:15,611
และผมรู้ว่าพวกเขาจะต้องทำ open weights

576
00:34:15,611 --> 00:34:19,851
สำหรับเวอร์ชัน 27 พันล้าน (27B) ซึ่งเล็กกว่า

577
00:34:19,851 --> 00:34:21,972
DeepSeek ตัวนี้ด้วยซ้ำ

578
00:34:21,972 --> 00:34:25,730
แต่ผมอยากรู้ว่ามันจะรับมือกับโจทย์ยาก ๆ

579
00:34:25,730 --> 00:34:33,246
แบบนี้ยังไง โมเดลนั้นมี vision ด้วย ซึ่งน่าสนใจ มาดูกันว่ามันทำงานยังไง จริง ๆ

580
00:34:33,246 --> 00:34:37,487
แล้วผมคงโฮสต์เวอร์ชัน max ไม่ไหว แต่เวอร์ชัน

581
00:34:37,487 --> 00:34:41,148
27 พันล้านทำได้ เอาไว้ดูกันสัปดาห์หน้า

582
00:34:41,148 --> 00:34:43,365
นี่จะเป็นการจบวิดีโอนี้

583
00:34:43,365 --> 00:34:47,220
ฝากคอมเมนต์ไว้ด้วยนะครับ คุณคิดยังไงบ้าง

584
00:34:47,220 --> 00:34:50,110
ประสบการณ์ของคุณจนถึงตอนนี้กับ

585
00:34:50,110 --> 00:34:53,580
DeepSeek-V4-Flash 0731 เป็นยังไงบ้าง

586
00:34:53,580 --> 00:34:56,278
ชื่อยาวมากจริง ๆ จริงไหมครับ

587
00:34:56,278 --> 00:35:00,036
แต่ประสบการณ์ของคุณกับโมเดลนี้เป็นยังไง

588
00:35:00,036 --> 00:35:03,505
บอกผมด้วยนะครับ นี่คือการจบวิดีโอนี้

589
00:35:03,505 --> 00:35:05,240
ขอบคุณที่รับชมครับ