分类： IT天地

今天整理目前可用的deepseek应用时，发现在云服务器平台上找到他们都挺麻烦的，需要在一大堆大模型应用中查找鉴别。
也难怪，虽然现在国内大的云服务器平台都推出了deepseek服务，但都有各自的当家大模型，如阿里有千问，腾讯有混元，百度的则是文心一言。虽然deepseek如宝刀屠龙横空出世，技压群雄，但各门派，哦，各平台还是舍不得自家的那些独门秘籍。
当然，这也与开源协议有关，但技术是开源的，数据却是自家的。现在如果还舍不得那些瓶瓶罐罐，首鼠两端，百度就是最好的例子。
如果现在有后来者能够并力一向，打造以deepseek为基础的云平台，当能无负担地占得先机。
就如当年《第三次浪潮》书中所言，又一次，“穷国与富国站在同一起跑线上”。

在返程的火车上，看到苹果选择阿里作为国内AI合作者的新闻，显然苹果看重的不是阿里的千问，而是他运作deepseek的能力。
正盘算着测试阿里运行deepseek的速度，媳妇发来一个新闻，腾讯前几天也开始免费测试其deepseek大模型平台。而且相比其他平台赠送的百万token，腾讯是直接免费至2月25日。
这天大的便宜怎么能错过，进门后第一时间就给儿子安装调试，他用腾讯加cherry stadio，我那边也开机测试阿里云搭配chatbox。
测试一下午，无论是专业应用，还是业余娱乐，效果都是颠覆了我们之前的认知。

去年底苹果Mac mini的m4版本推出的时候，国家补贴后的价格不到3000元，当时有些心动，外甥如果不是已经有了两台Mac设备，估计直接动手了。也因为如此，所以一直鼓动我买。
最后因为Mac系统是通过OpenCL运行katago，性能无法发挥而作罢。
今天看到一个介绍本地部署deepseek的视频，里面使用的是Mac mini M4跟4060独显机。通过运行token/s值比较，M4还是低于4060的。这并不意外，不过考虑到价格，M4性价比无疑更高。
网上现在本地部署deepseek的视频已经泛滥，但脱离开硬件配置，离线版的deepseek性能只能属于玩具级，这难免有误导之嫌。

今天看到百度智能云提供deepseek服务，曾经国内领跑者沦为后辈的跑马场。
不止百度云，提供deepseek收费服务的还有华为和阿里云，阿里云更为滑稽一些，提供的模型是自家千问的7B蒸馏版。
此前看到国外评论，deepseek与其他AI服务商的区别，是自建服务器，而非使用云平台。百度等提供云服务平台，相当于补上了deepseek的短板。
不过这些云平台此举决非什么国家利益至上，除了赚取服务器租用费，应该有自己的盘算，那就是如我最初接触ChatGPT时评论那样，通过deepseek获取用户数据，进行进一步，甚至是定向的蒸馏。
春节期间看到过一个评论，感觉很有道理。那就是AI，人工智能，最终还是要像人。
否则那就是非我族类，其心必异。

今天看新闻，不出所料，美国开始指责deepseek是“偷窃”，并正对其影响开展国家安全调查。
去年openAI曾经中止了对中国提供的API服务。当时讨论的时候，认为主要是针对国内那些挂羊头卖狗肉的套壳收费GPT，就是那些只是提供前端用户界面，后端都是通过ChatGPT的API接口接收，发送，返回数据。
现在看来，OpenAI是怀疑当时deepseek也参与其中，使用ChatGPT进行训练模型，等于通过RAG构建了高效的模型。
如果此猜想为真，这倒是验证了我最新的思路是可行的。

放假之前只是简单测试了一下deepseek v3，并讨论了一下以他为引擎，结合内嵌模型，构建我们自己的RAG。
放假后看到新闻，deepseek推出了R1引发轰动。由于回来后机器被小子霸占，只是在手机上零星看了一些介绍。
今天早上趁着小子还在睡觉，在电脑上了解了一下情况。Ollama第一时间就推出了相关模型，这样本地部署更为便捷。
我属于看热闹的，看不懂那些高深的数据和图表，但有种感觉，这个deepseek R1所谓的蒸馏，有点类似于AlphaGo zero后的katago，在zero学习的基础上进行了人为知识干预，从而大幅提高了深度学习效率，并避开了诸如征子之类的bug。
不免还是有些期待。

君子无罪，怀璧其罪。
再说，这tiktok也不是君子，他属于锦衣裘马行于异域闹市的商贾。
美国最高法院的老爷们说的也清楚：该法律针对的是 TikTok 的所有权，而不是其发表的言论。
也就是说，我要的是你的货，跟你卖不卖的自由无关。
这点谁都清楚，帮你Tiktok喊冤的律师也知道，但如阿春所言：美国的律师是不拿刀的强盗。
强盗环伺，你tiktok是卖呢，是卖呢，还是卖呢？
这跟用户自由，国家安全已经没有半毛钱关系，就是纯TM的利益。
不卖？把tiktok服务器搬回中国，让洋鬼子也漂洋过海转辗登录使用？
商人，没有这个魄力。

最后的抗辩机会！TikTok在美命运即将揭晓-快科技-科技改变生活

最近一直在寻找一款后端管理系统，主要想替代僵化的Django。在先后尝试了Nocodb、nocobase等几个低代码管理工具后，颇为失望，这些更多是替代了数据库管理，而这种替代代价是限制。
昨天联系用友客服的间隙，尝试安装测试flask-admin，这个系统的确是简易、灵活，但就是文档实在太烂了，简直可以用坨来形容：getting started的第一个代码示例就出错，根本无法运行。
后来查了一下资料，发现原来这个示例是从github下的示例摘取出来的，没有环境设置当然运行不了。
这国外IT人现在也这么不靠谱。
暂且再试几天，不行就用Django低版本加xadmin将就一下吧。

这个月应用服务器升级，数据库由MySQL更换为Postgresql，数据结构也进行了优化，结合正在进行的一个项目，我也在原先自己数据处理程序的基础上修修补补，保证业务正常运转。
在修补过程中发现，原先的程序实在是糟烂，自己都忍受不了，昨天业务结束 ，就把程序重整了一遍，并把常用数据处理模块加到自定义模型中，程序一下子就变的简洁明了。
这工作其实已经计划了大半年了，一拖再拖，现在看，改进总是好的，下一步就是再把程序由文件管理数据，纳入到数据库管理，下个月完成。
也就是今年完成。日子真的很快。

昨天测试了一下大模型的RAG助理，问了一个简单的问题：《三国演义》的作者是谁。Llama3.2的回答真是史屎级的回答，可谓是震裂三观。考虑到人家是外国模型，毁中国历史文化情有可原，换成国产千问，同样是胡说八道，信口开河。
于是将正确答案录入到内嵌模型中，千问立马变脸，不止答案正确，而且给出了相关创作背景。而老外依然是继续胡说八道。
这也验证了我之前的判断，那就是所谓RAG依靠的还是大模型，所谓内嵌助理，只是助理，提醒、辅助而已。就像千问显然其大模型中有这个知识，但是要定位到准确知识，则需要结合内嵌服务器。而llama本身就没有知识内容储备，有助理也只是摆设。