猫鱼周刊 vol. 058 DeepSeek 的开源是一种大义

关于本刊

这是猫鱼周刊的第 59 期，本系列每周日更新，主要内容为每周收集内容的分享，同时发布在

博客：阿猫的博客-猫鱼周刊

RSS：猫鱼周刊

邮件订阅：猫鱼周刊

微信公众号：猫兄的和谐号列车

私信：leslieleung@proton.me

尖岗山上的落日，城市高楼、主干道、夕阳和远处的大桥同框。周刊写到一半去爬的山，半个小时到山顶，欣赏了一场落日。

本期尝试把「想法」栏目移到「文章」后面，虽然有「想法」这个栏目，但其实「文章」这部分已经有非常多我的想法在输出。其实这两个栏目的差别是，一个是有来源的，会希望读者先看看原文，再来看我的思考（又或者直接吸收我蒸馏的想法，x）；另一个是比较没有由头，可能是我平时一拍脑袋的想法或者跟朋友聊起的想法。

文章

一些模型发布

这两周有比较多模型的发布，主要是 Grok 3、Claude 3.7 Sonnet、GPT-4.5，就合起来一起说，同时附上官方的发布原文。

Grok 3：支持推理（Think），从 benchmark 上看比 DeepSeek-R1 和 o1 等都强；DeepSearch 功能，推理+工具使用，对标 deep research。API 暂时还没开放。
Claude 3.7 Sonnet：也是支持推理的小改款。benchmark 结果感觉比 DeepSeek-R1 略强，不过在 Cursor 里用起来感觉没明显差别。
GPT-4.5：GPT-4 的升级，有更加泛化的知识，而且减少了输出中的废话。另外，它比 GPT-4o 更慢而且更贵，不是 4o 的替代。

一些想法：

上期就提到，从基座模型到推理模型不难，因此其实可以看到最近各家都在往这个做。推理模型的能力其实最依赖的还是基座模型的性能。
deep research（推理+工具使用）的模式，对模型性能的提升非常明显。在之前提到的 Humanity's Last Exam测试中，OpenAI 的 deep research 取得了 26.6% 的准确率，而基座模型基本上只有不超过 10%的准确率。(via OpenAI)
GPT-4o 可能是个蒸馏模型，OpenAI 明显是有更加大参数、能力更强的模型（GPT-4/4.5），但出了个更加快而且便宜的 4o，除非有什么其他闻所未闻的黑科技，蒸馏看起来是个比较合理的解释。一些讨论

社交关系中的“主动降频”

原文链接

作者和高中同学聚会时的感想。

我不知道从什么时候养成了一个习惯，在跟别人交流的时候，尤其是陌生人，我会下意识的思考对方说话所包含的潜在逻辑和原因，我还会去思考对方这么说的原因的一些可能性。

说回这次跟朋友的聚会，文章标题说的主动降频其实就是主动取消这种下意识行为，用十年前的自己和大家相处。

有引起共鸣，我平常在人际关系中也比较敏感，这种敏感会导致非常多苦恼和纠结。另一个话题其实是信任，更加信任你的朋友、同事甚至陌生人，相信对方没有恶意，心智负担会低很多。

注释是你的好朋友

原文链接

作者收集了一些关于注释的文章，也谈到了他对注释的理解。里面的文章列表非常值得一读。

国内编程教育（至少我接受到的教育）非常忽略注释的重要性，只是说「这部分不会执行」一笔带过，在工作中也鲜有见到有人非常认真去写注释。对了，我见得最多的注释就是一大坨「不会被执行」的过时代码。

我觉得写注释最简单的原则就是，如果某个地方你写的时候非常困惑，或者需要查阅某个文档，那么把你的想法/看的文档用注释记录下来，一定不会错。将来自己或者其他人再遇到这块代码，就不需要重头踩一遍原来的坑。

另外一个概念是，注释也是代码的一部分，也是需要维护的。当注释的内容过时时，一定要去更新，不然就会出现注释撒谎的情况。

这两点其实已经非常容易做到了，但我在工作中很少见到有这样的实践。而在好的开源项目中，一个函数甚至都会有几乎有跟代码同等行数的注释在做说明。

想法

LLM 工具化、实用性的一些思考

自从 LLM 问世，或者说火爆，在日常使用中用得最多的还是聊天和代码生成这两个场景。中间有过不少昙花一现的想法，也做过一些开源项目，最终都没有持续用下来。

总是蠢蠢欲动用 AI 想给自己做一些实用的工具，但是到头来可能发现编排完或者开发完，根本不会多用上。目前用的最多的一个编排就是周刊摘要的提取，而它一开始是 Quail 上的一个功能，只是为了方便我的编辑流程，我自己又再做了一个而已。

AI 的出现不会创造需求，需求还是原本的需求，AI 只是一种万金油实现而已。

对互联网产品经理来说，大可不必从 AI 出发去想需求，发掘需求还是和以前一样的，不一样的只是技术上可以用 AI 去实现了而已。

DeepSeek 的开源，是一种大义

最近可以看到非常多云服务厂商等针对私有化部署在 2B、2G 疯狂收割，会感叹 DeepSeek 把模型权重开源真是让别人捡大漏赚得盆满钵满。

但其实单靠 DeepSeek 自己根本没有那么多算力去供应这个需求，把模型权重开源，让别的有算力的厂商去廉价普及才是更可行的路。一方面 DeepSeek 算是赚足了流量，一时间街头巷尾猫猫狗狗都在谈论 DeepSeek，名声算是打出来了；另一方面它真正做到了小米的 Slogan「让每个人都能享受科技的乐趣」，这在国内比 OpenAI（国内不能合法用）、Copilot（仅限软件开发领域）能触达的人群更广。

项目

moepush

项目地址

又一个消息推送服务，基于 Cloudflare 部署，应该也是「零成本」的。

我在做 Heimdallr 的时候也考虑过这个方向，里面有两个点我觉得比较难受：vendor-lockin（供应商绑定）以及依赖数据库。首先是 vendor-lockin，使用大量供应商特性/特有的服务进行构建，非常限制部署的灵活性，还有个风险是，哪天这个服务商开始收费，当前的架构就需要大改。另一个是数据库的依赖，考虑免费、稳定这些因素的时候，架构自然是越简单越好。

当然多一个数据库可以做的事情就多很多，例如消息聚合、定时发送、多租客等等 feature 都可以做了，做渠道管理也方便很多。我在考虑给 Heimdallr 也做一版有数据库的，这个项目也许会成为我的学习对象。