I Ran DeepSeek V4.1 Locally for 24 Hours... Local AGI is HERE!? 🤯

I Ran DeepSeek V4.1 Locally for 24 Hours... Local AGI is HERE!? 🤯

J'ai fait tourner DeepSeek V4.1 en local pendant 24 heures... L'AGI locale est LÀ !? 🤯

par xCreate · Voir la chaîne sur PSI

Sciences formelles & physiques IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQDIntelligence artificielle générale (IAG)
🎙 xCreate 👥 26K 📅 11 septembre 2026 ⏱ 28 min 👁 2K 📄 revue d'actualité 🧭 2026-09-11
Disponible en : Français (actuel) English

Mots-clés

DeepSeek V4.1LLMIA localebenchmarkopen source

Résumé

Cette vidéo présente un test pratique du modèle de langage DeepSeek V4.1 Flash Edition, exécuté localement sur un Mac Studio M3 Ultra. L’auteur commence par comparer les benchmarks annoncés par DeepSeek, notamment le score DeepSWE, et souligne la simplicité de la nouvelle architecture avec l’introduction des engins (mémoire associative). Il effectue ensuite de nombreux tests dans divers domaines : mathématiques, codage, logique, applications bureautiques, animations canvas, jeux 3D, etc., avec et sans mode de réflexion (thinking). Il compare les résultats avec des modèles comme GLM 5.3 et Qwen, et discute de l’impact de la quantification et des limites de la mémoire. Il aborde également des astuces comme les limites de réflexion pour optimiser les performances locales. En conclusion, il juge le modèle très prometteur, avec des performances remarquables pour un modèle open source sous licence MIT, mais note que certaines tâches complexes nécessitent un mode de réflexion avancé.

148 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur de cette vidéo réside dans l’expérimentation réelle d’un modèle récent, montrant ses capacités et ses limites dans des conditions locales. L’argumentation repose sur des tests concrets, mais elle est souvent teintée de subjectivité et d’anecdotes. L’auteur explique clairement des concepts comme la température et les modes de pensée, ce qui aide le spectateur. Cependant, les benchmarks présentés proviennent principalement de DeepSeek, et les tests locaux utilisent une version quantisée qui peut différer du modèle original. La solidité de l’argumentation est donc limitée par l’absence de validation indépendante et par le recours à des évaluations qualitatives non normalisées.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : les sources mentionnées sont le modèle sur Hugging Face et l’outil Inferencer, mais aucune publication scientifique ou rapport indépendant n’est cité. Les benchmarks de DeepSeek sont repris sans vérification externe. Le titre, volontairement exagéré (‘Local AGI is HERE!?’), ne reflète pas exactement le contenu, qui présente des tests de capacités mais ne démontre pas une AGI. L’adéquation entre le titre et le contenu est donc partielle, avec un ton sensationnaliste qui peut induire en erreur.

195 mots

Adéquation titre / contenu

Le titre est accrocheur et suggère une expérience de 24 heures et une AGI imminente, ce qui est exagéré. Le contenu montre effectivement des tests locaux, mais la durée et l'ampleur de l'AGI sont surévaluées.

Qualité & fiabilité

6/10

La vidéo fournit des benchmarks et des tests pratiques, mais s'appuie principalement sur les données du constructeur et des expériences personnelles non validées indépendamment. La méthodologie est partiellement expliquée, mais le discours reste subjectif et parfois spéculatif.

Chapitres

Sources citées

Références externes

Apport & nouveautés

L’apport original réside dans l’expérimentation locale d’un modèle récent, montrant ses forces et faiblesses en conditions réelles, avec des astuces pour optimiser les performances. Pour aller plus loin : - Large language model — Pour comprendre les bases des LLM.

  • Mixture of experts — Architecture souvent utilisée dans les modèles récents.
  • Temperature (parameter) — Explication du paramètre de température dans les modèles génératifs.
  • Hugging Face — Plateforme d’hébergement de modèles open source.

72 mots

Profil radar

Le profil radar indique une quantité d'information élevée, une qualité modérée, un niveau technique bon, mais une fiabilité globale limitée par le manque de validation indépendante.

Fiabilité 6/10