【AI大模型】为什么说更倾向于使用DeepSeek，清爽简洁，输出内容质量高，清晰明了得思考过程，真的值得拥有

DeepSeek自我介绍

在使用deepseek之前，先让TA进行自我介绍下。
自我介绍非常言简意赅，就像TA的创始人一样低调。

DeepSeek功能概述

功能概述

• 支持处理多种复杂任务，包括文本理解、数据分析、知识问答及内容创作等。

• 具备跨语言处理能力，能够理解和生成多种语言的文本。

• 能够通过搜索引擎进行联网查询，获取实时信息并整合到回答中。

优势特点

• 采用了先进的自然语言处理技术，能够更准确地理解用户意图，提供更贴合需求的服务。

• 知识库经过大规模数据训练，涵盖广泛的主题，能够提供多领域的专业信息。

• 不断通过机器学习和用户反馈进行自我优化，以提升交互质量和响应速度。

功能体验

图片文字提取

博主没有高速ds任何诉求，直接就是上传一张图片，ds会根据自己的理解推断用户诉求，从输出的内容可以看出，ds对图片内容进行了自己的理解，句子并非原样提取输出，而且输出了相同意思的的句子。

博主其实真正的诉求是提取图片内容，再次进行追问看效果。

博主进行了原图文本比对，百分百把图片内容准确输出，并且有遮挡的地方同样准确无误输出。这个博主使用其他几款AI进行文本提取对比，ds还是略胜一筹。博主这里就不列出来了，感兴趣的小伙伴可以测试对比下。

一个人迟早要发财的9个表现

开始爱钱：把赚钱放第一位，心里只想发财。

停止炫耀：朋友圈基本不发了，少了和亲戚朋友的往来。

不再清高：开始低调，开始虚心向别人学习，待人客气，尊重别人，不再假清高，不再爱质疑。

能量转正：开始变的积极乐观，不再负能量和自我怀疑，不把“没钱”、“穷”挂在嘴边了。

开始向内求：开始停止抱怨和发牢骚，开始渐渐理解自己才是问题的根源。

情绪稳定：把握当下，把福气藏在脾气里，把财运藏在机遇里。

开始改运：开始关注自己的运势。

明白真相：看清打工没前途，开始一门心思研究搞钱。

行动中：研究执行力，提升自我认知。

生成试卷

博主继续追问，基于上面提取出来的文本，让ds输出一篇完整的六年级期末试卷。
备注：由于没有具体是语数英，ds综合推荐输出了语文和数学以及综合，同样对比其他AI，输出效果还是ds略胜一筹。

小说角色生成

基于下面提示词生成角色模板，博主进行了对比，同样是ds输出的质量更加高。

⽣成⼩说⻆⾊模板：
姓名：
核⼼欲望：
关键秘密：
关系⽹络：
- 盟友（表⾯/真实）
- 对⼿（直接/潜在）
- 情感羁绊（爱/恨/亏⽋）
⽰例填充：[悬疑⼩说配⻆]

代码转换

博主将一段C#的读取excel文件代码转为Python，第一次输出的代码有错误，追问后自我纠正。
python读取excel需要安装依赖两个库，pandas、openpyxl。
体验感受：代码输出还是挺高效，能够准确理解C#代码并快速转成python。还是速度上比同行的快，质量不分上下。

import pandas as pd

def excel_to_data_table(file_name,sheet_name=None, is_first_row_column=True):
    try:
        # 读取Excel文件
        if file_name.endswith('.xlsx'):
            excel_file = pd.ExcelFile(file_name)
        elif file_name.endswith('.xls'):
            excel_file = pd.ExcelFile(file_name, engine='xlrd')
        else:
            raise ValueError("Unsupported file format. Please use .xlsx or .xls files.")

        # 获取指定的sheet或第一个sheet
        if sheet_name:
            sheet = excel_file.parse(sheet_name)
        else:
            sheet = excel_file.parse(excel_file.sheet_names[0])

        # 如果第一行是列名，则将其作为DataFrame的列名
        if is_first_row_column:
            data = pd.DataFrame(sheet.values[1:], columns=sheet.iloc[0])
        else:
            data = pd.DataFrame(sheet.values)

        return data

    except Exception as ex:
        print(f"Exception: {ex}")
        return None

# 示例调用
data = excel_to_data_table(file_name=r"E:\test\test.xlsx",sheet_name="Sheet1", is_first_row_column=True)
print(data)

本地私有化

看过博主去
年在百度论坛上的发言可以知道，博主之前在回答关于端侧模型的问题。
当时博主认为行业化大模型私有化是一个趋势，因为每个行业和公司都有自己庞大的且带有敏感性的数据。
基于安全性考虑，大部分公司是不会完全依赖云端大模型进行数据投喂训练，所以，DeepSeek的出现就给行业内的公司提供了一个本地化部署的可能，也验证我博主当时想法，模型小型化绝对是一个趋势，但是让博主没想到的是，一出来就是一个王炸。
在这里博主还是觉得，下一波王炸就是普通电脑都能部署微型模型，或许能够用到游戏开发上做辅助功能，甚至是内部系统的预警和辅助功能。

总结

整体体验下来，给博主的感觉就是非常清爽，界面非常简洁，回答也非常流畅不拖泥带水，没有那么多花里胡哨的东西。
还有一点体验就是，一个字一个字蹦出来的时候，很流畅，不会有卡顿的情况，使用同类型AI会有卡顿情况，看着不舒服，可能是ds前端优化的更好。
希望DeepSeek不忘初心，变得更加强大，也希望能够再精简化

推荐文章

【AI大模型】使用Python调用DeepSeek的API，原来SDK是调用这个，绝对的一分钟上手和使用

【AI大模型】为什么说更倾向于使用DeepSeek，清爽简洁，输出内容质量高，清晰明了得思考过程，真的值得拥有

【大模型】DeepSeek与chatGPT的区别以及自身的优势