这篇文章主要讲两个点：

1. 腾讯元宝中Deepseek的使用；

2. 讲一下为什么每个平台的Deepseek表现不一致？

腾讯元宝在2 月 13 日发布更新，并宣布 DeepSeek R1 模型联网、满血上线。

使用方式支持APP，网页端。

这里我用网页端测试了一个题目，本山大叔小品《卖拐3》中的脑筋急转弯【过年了一个农夫家有一头猪和一只驴，是先杀猪好！还是先杀驴好！】。

问题输入后回答很快，而且现在已经上线三天了，速度仍然很快。

这说明腾讯的算力非常充足，不会出现其他平台卡顿的情况。

然后是另一个重要功能的测试，联网功能，这里我问了哪吒电影的实时票房；

可以看到，我是11点问的问题，给出的回答中时间截止到了当天10点。

联网搜索时元宝会将引用的文章链接也给出来。

这样做的好处是可以避免“AI幻觉”，让用户得到数据可以溯源验证。

对于数据准确性有要求的行业，这一点非常重要。

并且，Deepseek官网也目前没有这个功能。

体验了三天，进行了7次对话，20次问答。

综合体验，非常强。

是无限接近甚至超过官方的一个平台。

其他的平台可以选择放弃掉了，

纳米搜索只能在移动端使用，

秘塔搜索的回答更偏向公文写作，对话操作页面比较繁琐，

POE每天限次数、要收费。

其他用API接入的方式套路太多，要注册，要实名，部署也很麻烦。

 

---

接着讲第二点

同样部署的是Deepseek 671B模型为什么每个平台的表现不一致，响应速度和答案质量都不一样。

拿这四个平台举例，

纳米搜索：有360浏览器的底子在，各种问题都能答个差不多

秘塔搜索：很明显偏向学术研究，其他问他不太行

钉钉：适用于企业场景如数据分析、流程优化、会议纪要生成等

元宝：依赖于微信生态，公众号文章的质量非常高，各种问题的回答都不错

而为什么不一样，就要从大模型应用的开发过程来讲了，

注意：是大模型应用，不是大模型的训练

这个是拿到基座模型后做应用开发时要经历的步骤。

概括的讲，大公司要让自己的大模型产品给大量的网民使用，拿到基座模型后要经历三个阶段

微调：使用不同的参数给大模型投喂过滤后的数据

应用功能开发：检查用户的输入，分析用户的特征，检查给用户输出，过滤敏感词，

部署：提高GPU利用率，减少推理时占用的显存

通俗点讲：这些平台就像是使用同一个大脑（Deepseek-R1 671B）的学生，这些学生被分到了不同的学校（平台），每个学校教学方式（应用开发）不一样，最后教出来的学生特点也不一样。

所以总结下来，AI的发展，不光要基座模型强，开发应用的能力也要足够强，而这一点是中国企业的强项。

同时，一点使用建议是遇到关键问题时，建议多平台交叉验证，就像查资料时多看几本书。

从目前接入Deepseek的平台实际表现来看，表现优劣各不相同，但要说体验最好的，我觉得就是元宝，无论是软件的交互还是模型的调教。

而元宝为什么会比其他平台表现好？

我认为，

最核心的点是：数据，微信有8000万创作者，产生的内容质量会别的平台好一个档次，而其他平台拿不到微信公众号的内容，只能用公域的数据做微调。

借用N多名人说过的话，

“数据是21世纪的石油和金矿”

技术上的差距可以弥补，数据才是每个公司的护城河。

而数据本身来自于用户，最终要用之于用户。

如何使用数据，

我说，

向前走是时代与科技做的选择，

而谋利还是谋幸福是人类自己要做的选择题。

END