影片分析報告 · 抡锤者

DeepSeek + Qwen3.6 + Hermes：當下智能體最佳答案

雲端 DeepSeek API 為主 + 本地 Qwen3.6 27B 為輔 + Hermes Agent 為大腦——99% 通用任務 + 抗審查場景全覆蓋,別被新名詞唬住

📺 抡锤者 📅 2026-06-25 ⏱ 9:47 🎬 一般影片 🔗 youtu.be/1Bjv9NQ1cao
一句話總結 三層堆疊 章節整理 能力拆分 ASR 漂字對照 核心論點 未提及項

一句話總結

雲端主力本地輔助通用大腦
DeepSeek 官網 API（V3 Flash）+ 本地 Qwen3.6 27B + Hermes Agent,就能覆蓋 99% 通用智能體任務與抗審查場景。
根本不需要花大錢上 RTX Pro 6000 / 雙卡本地部署,也不需要追「Loop Engine 2」等新概念——先跑起來、落地賺錢才是王道。

三層堆疊:雲 + 本地 + 大腦

☁️ 雲端主力

DeepSeek V3 Flash (API)
  • 官網 API 整鏈碾壓本地
  • 緩存機制:命中率≈免費
  • 響應速度 / 穩定性遠超本地
  • 複雜任務切 V3 Pro / 高階備援

💻 本地輔助

Qwen3.6 27B (Q4_K_M 量化)
  • 20GB 級顯存可跑,精度妥協仍高效
  • 支援數據隱私、繞過審查
  • 搭配搜索工具可彌補知識庫
  • 完全去審查版是隱藏變現賽道

🧠 通用大腦

Hermes Agent (Codex / Claude Code 備援)
  • 聊天 / 記憶 / 規劃 / 工具調用
  • 比編程 agent 更強:跨任務泛化
  • 比拼的是工具調用、推理、長上下文
  • 知識庫用搜索補,非換更大模型
⚠️ 影片把 Harness 譯音為 Hermes 沿用標題慣例,實際指通用任務 AI Agent 框架(類似 Hermes / Hermes),非 Nous Research 的 Hermes 模型。詳見下方 ASR 漂字對照。

章節整理(共 9 段)

1️⃣ 開篇定位:Hermes 為何仍是論壇討論度最高的通用任務神器

00:00–00:40

當下 AI agent 百花齊放——Claude Code、Codex、DeepSeek、TUI、OpenCode、Cursor 等各有所長。純看編程能力,Hermes 可能不如其他 agent;但回到「通用智能任務」(聊天 / 規劃 / 工具調用 / 記憶),Hermes 毫無疑問仍是最好的。Codex 最近表現不錯,也能接 DeepSeek 或本地模型,但「作為大腦」仍遜於 Hermes。

核心判斷:沒有特殊需求(資料隱私、繞過審查等)的話,完全不必要在本地部署大模型。

2️⃣ 雲端 DeepSeek API 為何優於本地部署

00:40–02:00

論壇有人買 RTX Pro 6000、雙卡、DDR5 伺服器 + 1D 記憶體 + 獨立顯卡——硬體條件具備,但主講人認為完全划不來。

DeepSeek 官網 API 不只提供模型,還提供整套工具鏈:

  • 緩存結構:應管上 + HCA + CSS 混合機制(用戶無需理解原理)
  • 「效率非常高、響應速度非常快、命中後基本白嫖」
  • 穩定性遠超本地構建
  • 還要考慮噪音、發熱等物理問題
論壇買了 RTX Pro 6000 的人,拿來跑 AI 繪圖/影片/音頻(不是大模型聊天)才是正路。

3️⃣ DeepSeek V3 Flash 真實使用案例

02:00–03:30

主講人過往影片已展示用 DeepSeek V3 Flash + Hermes 做:編程、維護伺服器、管理論壇後台、配置 UI、量產環境、自動生成宣傳影片。

本次案例:重構之前的自動發文系統(中短規模項目)——只花一天多,總調用費用 十幾塊錢不到二十塊。

99% 觀眾不是技術大神,如果覺得 DeepSeek V3 Flash + Hermes 不夠用,一定是你自己沒用好,從自身找問題,不要懷疑模型。換更好的模型多花十幾倍甚至幾十倍的錢,只不過是讓你在項目初期對話中順利解決幾個入門小問題——不能找到自身能力缺欠,後續問題依然無解。

4️⃣ V3 Flash 寫作案例:客戶專案

03:30–04:00

客戶要求把之前的自動發文系統(行文部分用 V3 Flash + 範文 + 複雜寫作規則 + AI 教育程序,在人類教育為主的論壇中產出深度關鍵字內容)升級——用 Hermes 替代大部分人工介入,僅少數核心管理人員審核。

一開始以為 V3 Flash 寫作會被 V3 Pro 碾壓。實測結果:V3 Flash 與 V3 Pro 寫出來的文章效果「其實沒什麼區別」。

更好的解法不是換更大模型,而是給它配備搜索能力。

5️⃣ 搜索能力:為何能讓 V3 Flash 跨界吊打 V3 Pro

04:00–05:15

範例:寫「霍爾木茲海峽局勢分析報告」

  • 離線情況下:V3 Pro 知識儲備明顯碾壓 V3 Flash,文章質量勝出
  • 實戰話題:大模型知識儲備再強,也抵不過龐大的互聯網資訊;既有的信息分析再準,也沒有「既成事實」更有參考性
開打前普通人都認為「美 + 以會碾壓伊朗」,現實是美國不僅停戰,還要解凍伊朗資金、幫助重建、甚至默認伊朗在海峽收保護費。協議都簽訂了、已經實際停戰了,大模型再分析有什麼意義?它能比事實還更有參考性嗎?

接入搜索後:

  • V3 Flash + 搜索 ≈ V3 Pro + 搜索(差距明顯消失)
  • V3 Pro 不接搜索反而會被接入搜索的 V3 Flash 碾壓
  • 搜索帶來的成本提升「背趨位可忽略」
驅動 Hermes 這樣的 Agent 需要的模型能力其實並不高——比拼的是工具調用、推理準確性、長上下文、一致性等基礎能力。

6️⃣ 本地小模型:Qwen3.6 27B 為何夠用

05:15–06:50

條件約束下,本地小模型也可以勝任——

  • Qwen3.6 20B / Qwen3.6 27B 等本地部署模型
  • 即便是 Q4_K_M 量化 + Q8 KV 量化、精度多次妥協,「依然可以高效工作」
  • 能力跟在線模型的差距可以接受

協作能力:Qwen3.6 27B 感覺比 DeepSeek 差;即便是 Qwen 家族在線大模型,協作能力也「全指瞬」不如 DeepSeek。

💡 「抄作業」玩法:

  • 先讓 DeepSeek 跑一次,得到草稿/總結
  • 再調用 本地 Qwen3.6 模型基於這個草稿跑——這就是本地部署 AI 大模型的意義所在
  • 因為本地模型搭配一個好的搜索工具,可以彌補知識庫缺陷
  • 網絡資訊無窮無盡,只要做好規則設定、邏輯密合,Qwen3.6 完全能讓你「在本地經用一個慢一點的 DeepSeek 的能力」

客觀判斷:

  • Qwen3.6 27B 的智力水平已足以完成絕大多數工作
  • 27B–32B 級距的模型是大多數開源 AI 玩家的必爭之地
  • 阿里會持續更新推出有競爭力的新模型
  • 即便它以後不更新,就 Qwen3.6 27B 當前展現的能力固化,也非常有生產力,值得花時間研究

7️⃣ 去審查版本:本地部署的特殊優勢

06:50–07:45

Qwen3.6 27B 有不少完全去審查的特殊版本——「你可以用它來幹很多事,形成在線模型不具備的特殊優勢」。

商業敏感 不要小看這個能力——很多客戶願意出重金購買,因為它們確實深受審查困擾。當然,不要馬上聯想到違法犯罪——主講人舉例自己做過 AI 精細評審、圖片自動化量產,「很多需求明明合理,但是你就是會被 AI 拒絕」。

組合配置:

  • Qwen3.6 + Hermes(主力,本地隱私 + 抗審查)
  • 搭配 DeepSeek V3 Flash 作為在線備選(防止本地模型有時能力不夠任務執行不下去時掉出來撐一下)
  • 在很多細分領域可以做出成績、賺到錢

8️⃣ Agent 能力拆分:基礎 vs 繁華

07:45–09:15

主講人把 Agent 能力拆成兩層:

層級內容適用模型賦能對象
基礎能力 驅動 Agent 的聊天、記憶、規劃任務、調用工具 Qwen3.6 27B 或 DeepSeek V3 Flash + Hermes 不懂編程/技術的人——相當於開發能力,讓想像力與創新能力能接觸 AI 技術落地
繁華能力 高階模型擁有更龐大、全面的知識庫,跨領域規劃複雜任務 DeepSeek V3 Pro 等在線大模型 視野開闊但專業深度不夠的人——突破專業知識壁壘做出跨界產品

高階玩法範例:通過配置搜索能力 + 借助龐大的實時互聯網時事信息來彌補模型知識庫差距。

類似的概念:AI 技能 / RAG(緊縮信息增強) / LoRA / 大語言模型微調——AI 新概念層出不窮,本質都是利用大模型的繁華能力打破專業門檻。

9️⃣ 結語:別被新概念唬住,先跑起來再說

09:15–09:47

如果看完還是一頭霧水,不用懷疑自己智商——AI 新概念每天都在提,「目不暇接」,很多也是虛頭/捏造出來的(例如 Loop Engine 2 等等)。

建議路徑:

  1. 先把 Hermes、OpenCode、Claude Code 等 agent 都跑起來
  2. 接入大模型實現一些簡單小功能
  3. 搞成工幾次,自然會明白基礎概念
不要太糾結模型跑分、Agent 哪個好用。其實只要是頭部產品,都足夠利用了。早一點時間,早點賺錢才是王道(王健林梗:先賺它一個億)。

能力對比表

場景首選備援備註
通用對話 / 規劃 / 工具調用 DeepSeek V3 Flash Qwen3.6 27B (本地) 大腦一律 Hermes Agent
複雜編程 / 維護伺服器 DeepSeek V3 Flash + Hermes Codex + Claude Code 主講人案例:<20 元搞定中型項目
寫作(教育/深度內容) V3 Flash + 搜索 V3 Pro + 搜索(差距不大) 接入搜索後 V3 Flash ≈ V3 Pro
即時新聞分析(局勢/財經) V3 Flash + 搜索 Qwen3.6 27B + 搜索 離線模型必被現實打臉(霍爾木茲海峽案例)
數據隱私場景 Qwen3.6 27B (本地) DeepSeek API + 脫敏 本地量化版仍高效
繞過審查 / 自動化量產 Qwen3.6 27B 去審查版 其他開源去審查模型 合理需求被拒是真實痛點,商業隱藏賽道

ASR 漂字對照(Whisper base → 原意還原)

本影片無字幕軌。透過 yt-dlp 下載音訊後,以 whisper (base, zh, CPU) 進行語音轉文字。Whisper base 對英文/拉丁文專有名詞漂字嚴重,以下為主要對照,所有上方整理均已還原為影片原意:
Whisper 漂字原意說明
DPC / DPCK / DDCDeepSeek主要雲端模型
ViceFlash / WiseFelaxi / WiseFlashDeepSeek V3 FlashDeepSeek 主力輕量模型
VicePro / WiseProDeepSeek V3 Pro / 高階模型知識庫更大的版本
親吻3.6 / 清吻3.6 / 千萬3.6 / 清吻3.627b / 千萬3.620gbQwen3.6 27B / Qwen3 20B阿里開源模型,本地部署主力
HarnessHermes Agent通用任務 AI Agent 框架(非 Nous Research 的 Hermes 模型)
OpenCloud / Coog / Cloud CodeClaude CodeAnthropic 編碼 agent
T UI / OpenCode / Cursor / 趣TUI / OpenCode / Cursor 等影片開頭列舉的各 agent
Loop Engine 2Loop Engine 2主講人反例:虛頭/捏造的新概念
背趨位可忽略成本可忽略(可能為「背趨位/背趨背」= 比喻性表達)語句不通,語意推斷

影片核心論點(7 點)

  1. 雲優先:有網路就用 DeepSeek 官網 API(V3 Flash 為主力,V3 Pro / 高階為備援)——工具鏈完整、緩存機制優秀、穩定性遠超本地
  2. 本地必要時再上:僅在「資料隱私、繞過審查」兩種場景才部署本地模型
  3. 本地選型:Qwen3.6 27B 是當前最優性價比(量化後 20GB 級顯存可跑,協作略遜 DeepSeek 但搭配搜索與「抄作業」可補)
  4. 大腦選擇:通用任務 Hermes 仍是首選,Codex 也可作為備援大腦
  5. 能力差異在「繁華」不在「基礎」:工具調用、推理準確性、長上下文、一致性才是 Agent 核心比拼,知識庫可用搜索補
  6. 抗審查價值:Qwen3.6 去審查版本是商業變現的隱藏賽道——合理需求被 AI 拒絕是真實痛點
  7. 心態:別追新概念、跑分、Agent 品牌——先讓頭部產品跑起來、做出小功能、搞成工幾次再談判斷

影片未提及 / 不確定項

⚠️ 以下為影片未明確提供的細節,實際應用需自行研究補充:

影片資訊

頻道抡锤者 影片 ID1Bjv9NQ1cao 上傳日期2026-06-25 長度9:47 (587s) 形態一般影片 (16:9, watch?v= 路由, isShort=None) 類別People & Blogs 字幕無字幕軌 取得路徑yt-dlp (720p HLS) + ffmpeg → whisper base (zh, CPU) → 人工還原漂字 分析工具Hermes Agent (minimax-m3) · 2026-07-04