专业小程序设计开发——助力新电商新零售

电话+V：159999-78052，欢迎咨询deepsecret游戏，[小程序设计与开发]，[小程序投流与推广]，[小程序后台搭建]，[小程序整套源码打包]，[为个体及小微企业助力]，[电商新零售模式]，[小程序运营推广及维护]

一、深海皇后之黑暗秘密PC游戏

深海皇后之黑暗秘密，英文名为EmpressoftheDeep-TheDarkestSecret，是一款策略类型的冒险解谜游戏。游戏由SilverbackProductions开发，GogiiGames发行，主要面向英文用户，游戏大小为157.55MB，适用于WinXP/Win2000/Win2003系统，对硬件的要求相对较低，只需1GHzCPU和256MBRAM，支持DirectX9.0。

游戏以其细腻精致的2D图形著称，呈现出豪华的皇室宫殿和丰富的场景变化，奇幻的人物插画、古典美感的浮雕建筑以及琳琅满目的艺术品，营造出如梦如幻的视觉体验。音乐部分同样出色，背景音乐带有一丝神秘的悬疑感，但旋律舒缓，为解谜过程增添了轻松愉悦的氛围。

游戏玩法基础，玩家需要通过英文单词寻物和机关谜题来探索，内置蓄时提示功能方便新手上手。创新方面，《深海皇后之黑暗秘密》将单词寻物与小游戏巧妙结合，让玩家在140多个华丽场景中，穿越剧情，享受解谜和探索的乐趣。

二、deepsecret怎么打补丁

1、首先要先去网络上下载对应的补丁文件。

2、其次后选择复制补丁，把补丁单独复制到游戏文件里的imagepack2文件夹，不要在deepsecret打开的时候操作，不然会出错。

DeepSeek对欧美的冲击波真的有那么大吗？

在1月29日的财报电话会议上，微软CEO萨蒂亚·纳德拉（SatyaNadella）表示，中国企业深度求索（DeepSeek）发布的大模型DeepSeek-R1目前已可通过微软的AI平台AzureAIFoundry和GitHub获取，并且很快将能够在微软的AI电脑Copilot+PC上运行。纳德拉强调DeepSeek在技术上具有“真正的创新”，并指出随着“缩放定律”在预训练和推理时间计算中的不断积累，AI成本下降是未来的发展趋势。他提到，每一代硬件的性价比在推理性能上通常可以提高2倍以上，而每一代模型的性价比则可以达到10倍以上。

DeepSeek对欧美的高科技领域冲击波真的有那么大吗？

让我们来看看在欧美有绝对权威影响力的FT英国金融时报对欧美学术界，高科企业的采访摘录（文章后附英文原文）。

一

深度求索改变了AI游戏的规则

中国初创企业的突破，对美国科技巨头来说是个坏消息，但对其他人来说可能是意外之财。

在谈论21世纪的经济历史时，很难不提到“中国冲击”。这个术语通常用来描述中国进入全球市场的过程，这一变化为富裕国家带来了大量廉价商品，但也使整个行业和劳动力陷入停滞。

深度求索(DeepSeek)可能会为这个故事带来续集。一家鲜为人知的中国对冲基金向人工智能领域投下了一颗重磅炸弹，他们推出的大型语言模型实际上以极低的成本匹敌市场领导者萨姆?奥尔特曼(SamAltman)的OpenAI。尽管OpenAI将其模型的运作视为专有技术，深度求索的R1则公开其技术细节，使其对开发者来说更具吸引力，可以用于开发和构建。

在人工智能时代，事情发展得更快，甚至令人感到恐惧。五大与人工智能相关的科技股——芯片制造商英伟达(Nvidia)和所谓的超大规模公司Alphabet、亚马逊(Amazon)、微软(Microsoft)和Meta——在周一美国市场开盘前，总市值共蒸发了近7500亿美元。如果事实证明深度求索在没有使用英伟达最先进芯片的情况下获胜，这对英伟达来说可能尤其严峻。

投资于科技公司的投资者——包括欧洲的芯片制造商阿斯麦(ASML)和投资者希望通过为数据中心提供燃料而获得提振的能源公司——都在怀疑他们的投资是否会化为乌有。根据VisibleAlpha的估计，超大规模企业今年的资本支出将达到近3000亿美元。分析师预计，Meta和微软将在周三公布收益时，报告2024年的投资总额为940亿美元。

事实上，游戏还没有结束。深度求索的实际潜力仍不明朗，它尚未实现Meta和OpenAI所追求的“通用人工智能”，即类似人类的状态。但规则可能已经改变。至少，深度求索可能会吸引一些美国巨头的客户。最糟糕的是，它挑战了认为更多硬件是提升AI的关键这一核心信念。这个原则一直支撑着硅谷公司的市场价值，让他们不断地加大投资。

对超大规模企业不利的事情可能对其他人来说仍然是意外之财。对于大多数商业用户来说，拥有绝对最好的模型不如拥有一个可靠且足够好的模型重要。并不是每个司机都需要一辆法拉利。像R1这样的推理进步可能是处理客户和在工作场所执行任务的“代理”们的一大进步。如果这些技术能够更便宜地获得，企业的盈利能力应该会提高。

从这个意义上说，第二次中国冲击可能会像第一次一样，不仅带来破坏，还会带来重组——尽管对许多人来说是痛苦的。研究人员估计，每失去一个因中国冲击而失去的工作，美国家庭的购买力就增加了超过40万美元。人工智能霸权的竞赛暂时停顿；大赠送已经开始。

二

深度求索的“顿悟时刻”创造了用更少资金构建强大AI的新方法

中国人工智能集团通过使用“强化学习”和“小型语言模型”取得突破。

中国人工智能实验室深度求索(DeepSeek)采用创新技术开发了一种人工智能模型，该模型在有限的人为干预下进行训练，产生了一个可能改变开发者基于该技术构建杀手级应用成本的“顿悟时刻”。

关于深度求索R1“推理”模型运作的研究论文揭示了由对冲基金亿万富翁梁文锋(LiangWenfeng)领导的团队如何通过消除人工智能开发中的瓶颈来取得强大成果。

这篇论文展示了深度求索如何采用一系列更高效的技术来开发R1。与OpenAI的竞争对手o1模型类似，R1通过逐步“思考”其回答，比大多数大型语言模型花费更长时间来生成准确的答案。

深度求索的突破源于其使用“强化学习”来减少人类在生成提示响应时的参与。

该公司还通过调整由竞争对手如Meta和阿里巴巴(Alibaba)训练的大型模型，构建了参数更少的小型模型——这些参数是用于训练AI系统和塑造其输出的变量数量——但具备强大的推理能力。

这些进展在整个硅谷引发了震动，因为R1在某些任务上的表现优于OpenAI、Anthropic和Meta最近发布的模型，但其开发成本仅为其中的一小部分。

周二，OpenAI表示发现证据显示深度求索搭载其技术，通过使用其模型的输出来以较低成本训练其大型语言模型。这种做法在学术界和资金较少的初创公司中很常见。

尽管存在争议，专家们表示，深度求索展示了真正的创新。人工智能研究人员也称赞其愿意发布一份详细的技术报告，首次阐述实验室如何构建其推理模型。

“我认为这只是我们可以期待的这些模型创新类型的冰山一角，”剑桥DeepMind机器学习教授尼尔?劳伦斯(NeilLawrence)说。“历史表明，大公司在扩张时很难创新，我们从许多大公司看到的是用计算投资代替智力上的艰苦工作。”

大型语言模型的构建分为两个阶段。第一个阶段称为“预训练”，在此阶段，开发者使用海量数据集来帮助模型预测句子中的下一个词。第二个阶段称为“后训练”，在这一阶段，开发者教模型遵循指令，例如解决数学问题或编写代码。

让聊天机器人生成更有用回复的一种方法被称为“从人类反馈中强化学习”(RLHF)，这是OpenAI为改进ChatGPT而开创的一种技术。

RLHF的工作原理是由人类标注者对AI模型的提示响应进行标注，并挑选出最佳的响应。这个步骤通常费力、昂贵且耗时，往往需要一小队人类数据标注员。

深度求索的一大创新是通过一种称为强化学习(RL)的技术来自动化最后一步，在这种技术中，AI模型因做出正确的决策而获得奖励。

深度求索首先开发了一个名为V3的强大文本预测模型。然后，它使用强化学习(RL)来“奖励”该模型，例如在生成正确答案时给予好评。

这家中国公司发现，通过多次执行这一过程，模型能够在没有人为监督的情况下自发地解决问题。

谷歌DeepMind也利用这一技术构建了AlphaGo，这是一种在古老棋类游戏围棋中击败人类选手的人工智能系统，并在近十年前引发了当前深度学习计算技术的热潮。

深度求索表示，他们发现该模型在重新评估其答案并调整处理时间以解决不同问题时，出现了公司所谓的“顿悟时刻”。

“‘顿悟时刻’有力地提醒我们，[RL]具有释放人工系统新智能水平的潜力，为未来更自主和适应性更强的模型铺平道路，”深度求索的创作者在他们的研究论文中写道。

人工智能研究公司HuggingFace的研究员刘易斯?坦斯托尔(LewisTunstall)说：“让这项工作成功的秘诀似乎是拥有一个非常非常强大的预训练模型，然后拥有非常非常好的基础设施来大规模进行这个强化学习过程。”

尽管OpenAI和谷歌(Google)正在投资数十亿美元构建大型语言模型，深度求索也通过“蒸馏”(distilling)大型模型的推理能力，开发了可在手机或网络浏览器上运行的小型模型。

深度求索使用其R1模型生成了一组相对较小的80万个数据点，然后利用这些AI生成的数据调整了阿里巴巴的通义千问(Qwen)和Meta的Llama等竞争对手的模型。

深度求索发现，这些精简模型在推理基准测试中表现尤为出色，在某些情况下甚至超过了Anthropic的Claude等旗舰模型。坦斯托尔说：“它基本上可以解决我本科时做的大多数数学问题。”

这一发展可能对应用程序开发者来说是个福音，因为他们有了一种廉价高效的方式来构建产品。根据智库兰德公司研究员伦纳特?海姆(LennartHeim)的说法，在“推理”过程中——即模型生成答案时——教AI模型进行推理，比需要大量计算能力的预训练过程要高效得多。

他补充说，这种新范式可能允许竞争者以更少的计算能力和资金构建竞争模型。然而，海姆表示，如果没有用于芯片的资金，“他们就无法在同样的规模上部署这些模型。”

深度求索没有透露建造R1花费了多少，但声称其基于R1的V3模型训练费用仅为560万美元。

海姆表示，这笔金额不包括其他成本，例如可能需要购买数千个图形处理单元来训练模型，或支付工资、实验、培训和部署的费用。

尽管深度求索是第一个使用其特定技术的实验室，预计其他人工智能实验室也会效仿，HuggingFace已经在研究如何复制R1。

美国的人工智能公司也在努力将其大型、最先进模型的能力应用于更小、更灵活的模型中。谷歌去年推出了Gemma，这是基于其Gemini模型的一个更轻量级的模型。

“智能的配方相当简单，”HuggingFace的联合创始人兼首席科学官托马斯?沃尔夫(ThomasWolf)说，并补充道，深度求索的技术在业内已被广泛理解。“这就是为什么我预计很多团队可以重现这一成果。”

克里斯蒂娜?克里德尔(CristinaCriddle)旧金山补充报道，马杜米塔?穆尔贾(MadhumitaMurgia)伦敦补充报道

附英文报道

（Attachment1st）DeepSeekchangesrulesofAI’sgreatgame

Chinesestart-up’sbreakthroughmaybebadnewsforUStechgiantsbutcouldbeawindfallforeveryoneelse

Itishardtotalkabout21st-centuryeconomichistorywithoutdiscussingthe“Chinashock”.ThatisthetermoftenusedtodescribeChina’sentranceintotheglobalmarket，achangethatbroughtrichcountriesanabundanceofcheapgoods，butleftentireindustriesandworkforcesmothballed.

DeepSeekmayprovideasequel.Alittle-knownChinesehedgefundhasthrownagrenadeintotheworldofartificialintelligencewithalargelanguagemodelthat，ineffect，matchesthemarketleader，SamAltman’sOpenAI，atafractionofthecost.AndwhileOpenAItreatsitsmodels’workingsasproprietary，DeepSeek’sR1wearsitstechnicalinnardsontheoutside，makingitattractivefordeveloperstouseandbuildon.

ThingsmovefasterintheAIage;terrifyinglyso.FiveofthebiggesttechnologystocksgearedtoAI—chipmakerNvidiaandso-calledhyperscalersAlphabet，Amazon，MicrosoftandMetaPlatforms—collectivelyshedalmost$750bnofmarketvaluebeforeUSmarketsopenedonMonday.ItcouldbeparticularlygrimforNvidiaifitprovestruethatDeepSeekwonwithouttheuseofitsshiniestchips.

Investorsintechcompanies，includingEuropeanssuchaschipmakerASML，andenergycompaniesthatinvestorshopedwouldgetaboostfromfuellingdatacentres，areleftwonderingwhethertheirinvestmentswillgoupinsmoke.Thehyperscalerswereduetoploughalmost$300bnintocapitalexpenditurethisyear，accordingtoVisibleAlphaestimates.AnalystsexpectthatonWednesday，whentheyreportearnings，MetaandMicrosoftwillreportinvestmentfor2024totalling$94bn.

Intruth，thegameisnotover.DeepSeek’sactualpotentialisstillunclear，andithasyettoachieve“artificialgeneralintelligence”，thehumanlikestatethatMetaandOpenAIarepursuing.Buttherulesmighthavechanged.Attheveryleast，DeepSeekmaytakesomeoftheUSgiants’customers.Atworst，ithaschallengedthecorebeliefthatmorehardwareisthekeytobetterAI.ThatprinciplehasunderpinnedthemarketvalueofSiliconValleycompaniesastheyinvesthandoverfist.

Whatisbadforthehyperscalerscouldstillbeawindfallforeveryoneelse.Formostbusinessusers，havingtheabsolutebestmodelislessimportantthanhavingonethat’sreliableandgoodenough.NoteverydriverneedsaFerrari.AdvancesinreasoningsuchasR1couldbeabigstepfor“agents”thatdealwithcustomersandperformtasksintheworkplace.Ifthoseareavailablemorecheaply，corporateprofitabilityshouldrise.

Inthatsense，thissecondChinashockcouldresemblethefirst.Itcouldbringnotjustdestructionbutareshuffling—albeitapainfuloneformany.ResearchershaveestimatedthatforeveryjoblosttotheChinashock，UShouseholds’purchasingpowerrosebymorethan$400，000.TheraceforAIsupremacyisonpause;thegreatgiveawayhasbegun.

（Attachment2nd）DeepSeek’s‘ahamoment’createsnewwaytobuildpowerfulAIwithlessmoney

Chineseartificialintelligencegroup’suseof‘reinforcementlearning’and‘smalllanguagemodels’leadstobreakthroughs

ChineseAIlabDeepSeekadoptedinnovativetechniquestodevelopanAImodelthatwastrainedwithlimitedhumanintervention，producingan“ahamoment”thatcouldtransformthecostfordeveloperstobuildkillerapplicationsbasedonthetechnology.

TheresearchpaperpublishedontheworkingsofDeepSeek’sR1“reasoning”modelrevealshowthegroup，ledbyhedgefundbillionaireLiangWenfeng，hasachievedpowerfulresultsbyremovingbottlenecksinAIdevelopment.

ThepapershowshowDeepSeekadoptedaseriesofmoreefficienttechniquestodevelopR1，whichlikeOpenAI’srivalo1model，generatesaccurateanswersby“thinking”stepbystepaboutitsresponsesforlongerthanmostlargelanguagemodels.

DeepSeek’sbreakthroughscomefromitsuseof“reinforcementlearning”tolessenhumaninvolvementinproducingresponsestoprompts.

Thecompanyhasalsobuiltsmallermodelswithfewerparameters—thenumberofvariablesusedtotrainanAIsystemandshapeitsoutput—withpowerfulreasoningcapabilitiesbytweakinglargemodelstrainedbycompetitorssuchasMetaandAlibaba.

Together，thesedevelopmentshavesentshockwavesthroughoutSiliconValley，asR1outperformssometaskscomparedwithrecentlyreleasedmodelsfromOpenAI，AnthropicandMeta，butatafractionofthemoneytodevelop.

OnTuesday，OpenAIsaiditfoundevidencethatDeepSeekhadpiggybackedoffitstechnology，usingoutputsfromitsmodelstotrainitsLLMsatalowercost，apracticethatiscommonwithacademicsandlesswellfinancedstart-ups.

Despitethecontroversy，expertshavesaidthatDeepSeekdemonstratedrealinnovation.AIresearchershavealsopraiseditswillingnesstopublishadetailedtechnicalreportoutlininghowitbuiltitsreasoningmodel.

“Ithinkit’sjustthetipoftheicebergintermsofthetypeofinnovationwecanexpectinthesemodels，”saidNeilLawrence，DeepMindprofessorofmachinelearningatCambridgeuniversity.“Historyshowsthatbigfirmsstruggletoinnovateastheyscale，andwhatwe’veseenfrommanyofthesebigfirmsisasubstitutionofcomputeinvestmentfortheintellectualhardwork.”

Largelanguagemodelsarebuiltintwostages.Thefirstiscalled“pre-training”，inwhichdevelopersusemassivedatasetsthathelpmodelstopredictthenextwordinasentence.Thesecondstageiscalled“post-training”，throughwhichdevelopersteachthemodeltofollowinstructions，suchassolvingmathsproblemsorcoding.

Onewaytogetchatbotstogeneratemoreusefulresponsesiscalled“reinforcementlearningfromhumanfeedback”(RLHF)，atechniquepioneeredbyOpenAItoimproveChatGPT.

RLHFworksbyhumanannotatorslabellingtheAImodel’sresponsestopromptsandpickingtheresponsesthatarebest.Thisstepisoftenlaborious，expensiveandtime-consuming，oftenrequiringasmallarmyofhumandatalabellers.

DeepSeek’sbiginnovationistoautomatethisfinalstep，usingatechniquecalledreinforcementlearning(RL)，inwhichtheAImodelisrewardedfordoingtherightthing.

DeepSeekfirstdevelopedapowerfultext-predictingmodelcalledV3.ItthenusedRLto“reward”themodel，suchasgivingitathumbs-upforgeneratingtherightanswer.

TheChinesecompanyfoundthatbydoingthisprocessenoughtimes，themodelmanagedtospontaneouslysolveproblemswithouthumansupervision.

ThistechniquewasalsousedbyGoogleDeepMindtobuildAlphaGo，theAIsystemthatbeathumanplayersattheancientboardgameGoandkick-startedthecurrentboomindeeplearningcomputingtechniquesalmostadecadeago.

DeepSeeksaiditdiscoveredthemodelhadwhatthecompanycalledan“ahamoment”whenitre-evaluateditsanswersandadjusteditsprocessingtimetosolvedifferentquestions.

“The‘ahamoment’servesasapowerfulreminderofthepotentialof[RL]tounlocknewlevelsofintelligenceinartificialsystems，pavingthewayformoreautonomousandadaptivemodelsinthefuture，”DeepSeek’screatorswroteintheirresearchpaper.

LewisTunstall，aresearcheratHuggingFace，anAIresearchcompany，said:“Itseemsthatthesecretsaucetomakethisworkistojusthaveavery，verystrongpre-trainedmodel，andthentojusthavevery，verygoodinfrastructuretodothisreinforcementlearningprocessatalargescale.”

WhileOpenAIandGoogleareinvestingbillionsofdollarstobuildlargelanguagemodels，DeepSeekhasalsobuiltsmallermodelsthatcanberunonphonesorwebbrowsersby“distilling”thereasoningcapabilitiesofbiggermodels.

DeepSeekuseditsR1modeltogeneratearelativelysmallsetof800，000datapointsandthentweakedthemodelsmadebycompetitorssuchasAlibaba’sQwenandMeta’sLlamausingthatAI-generateddata.

DeepSeekfoundthesedistilledmodelswereespeciallystrongonreasoningbenchmarks，insomecasesoutperformingflagshipmodelssuchasAnthropic’sClaude.“ItcanbasicallysolvemostofthemathproblemsIdidinundergraduate，”saidTunstall.

Thatdevelopmentcouldbeaboonforappdevelopers，whohaveacheapandefficientwaytobuildproducts.TeachingAImodelstoreasonduring“inference”—whenthemodelisgeneratinganswers—ismuchmoreefficientthanthepre-trainingprocess，whichrequiresalotofcomputingpower，accordingtoLennartHeim，aresearcheratRand，athink-tank.

Thisnewparadigmcouldallowcompetitorstobuildcompetitivemodelswithfarlesscomputingpowerandmoney，headded.However，withoutmoneyforchips，“theyjustcan’tdeploythematthesamescale”，Heimsaid.

DeepSeekhasnotsaidhowmuchitspenttobuildR1，butclaimedittraineditsV3model，whichR1isbasedon，foronly$5.6mn.

Thissumdoesnotincludeothercosts，suchasthelikelyacquisitionofthousandsofgraphicsprocessingunitstotrainthemodel，orsalaries，experiments，traininganddeployment，saidHeim.

AndwhileDeepSeekhasbeenthefirsttouseitsparticulartechniques，otherAIlabsareexpectedtofollowsuit，withHuggingFacealreadyworkingonreplicatingR1.

USAIcompanieshavealsoworkedonusingthecapabilitiesoftheirbig，stateoftheartmodelsinsmaller，morenimblemodels.GooglelaunchedGemmalastyear，whichisamorelightweightmodelbasedonitsGeminione.

“Therecipeofintelligenceisquitesimple，”saidThomasWolf，co-founderandchiefscienceofficeratHuggingFace，addingthatDeepSeek’stechniqueswerewellunderstoodbyothersinthefield.“Andthat’swhyIexpectalotofteamscanredothis.”

AdditionalreportingbyCristinaCriddleinSanFranciscoandMadhumitaMurgiainLondon

(全文结束)

【WINDRISES MINIPROGRAM PROMOTION】尊享直接对接老板

电话+V： 159999-78052

专注于小程序推广配套流程服务方案。为企业及个人客户提供了高性价比的运营方案，解决小微企业和个体拓展客户的问题