I Ran DeepSeek V4 Vision Locally For 24 Hours... Local AI is Amazing! 🤯

I Ran DeepSeek V4 Vision Locally For 24 Hours... Local AI is Amazing! 🤯

J'ai fait tourner DeepSeek V4 Vision en local pendant 24 heures... L'IA locale est incroyable ! 🤯

par xCreate · Voir la chaîne sur PSI

Sciences appliquées & ingénierie IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQFIntelligence artificielle générative
🎙 xCreate 👥 26K 📅 4 septembre 2026 ⏱ 19 min 👁 10K 📄 revue d'actualité 🧭 2026-09-10
Disponible en : Français (actuel) English

Mots-clés

deepseekvisionIA localegénération de jeuxévaluation de modèle

Résumé

Cette vidéo de 19 minutes présente un test pratique du modèle DeepSeek V4 Flash Vision EXP, exécuté en local sur un Mac Studio M3 Ultra grâce à l’outil Inferencer. L’auteur commence par une brève présentation du modèle, puis enchaîne une série de tests : transformation d’images en jeux 2D et 3D jouables, comparaison des modes de pensée (désactivé, bas, haut, max), génération de visages photoréalistes à partir d’images, recréation de jeux vidéo (Red Dead Redemption, Assassin’s Creed, course de karts, jeu de tir zombie), et une simulation de génération procédurale de planètes. Il teste aussi des applications d’entreprise comme une copie de Microsoft Word, ainsi que des questions de raisonnement logique et de mathématiques. Il souligne les points forts du modèle, notamment sa rapidité (30 tokens/s en moyenne), sa capacité à comprendre des images et à générer des scènes complexes avec relativement peu de tokens, mais note des problèmes de bouclage en mode température zéro, obligeant parfois à ajuster la température. Il compare avec d’autres modèles comme GLM 5.3 et Qwen 4 Exp, concluant que DeepSeek V4 Vision est un modèle expérimental prometteur, performant mais imparfait, particulièrement en ce qui concerne certains raisonnements et la stabilité des générations.

198 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale réside dans les démonstrations concrètes et variées qui permettent de visualiser les capacités réelles du modèle : génération de jeux jouables, compréhension d’images, création de visages, etc. L’argumentation repose sur une série de tests pratiques, avec des captures à l’écran et des commentaires sur les paramètres techniques (nombre de tokens, température, modes de pensée). L’auteur adopte une approche empirique en montrant les réussites et les échecs, ce qui renforce la crédibilité de ses observations. Cependant, le manque de benchmarks quantitatifs et la nature subjective des évaluations limitent la portée de la démonstration. Les comparaisons avec d’autres modèles restent superficielles, sans protocole expérimental rigoureux. La solidité de l’argumentation repose donc essentiellement sur l’authenticité des tests, mais souffre d’un manque de systématisation.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est limitée : l’auteur ne s’appuie que sur ses propres tests et sur des benchmarks non montrés. Il ne cite pas d’articles de recherche ni de documentation officielle, se référant uniquement à la page Hugging Face du modèle et à l’outil Inferencer. La qualité des sources est donc faible pour une évaluation scientifique. L’adéquation du titre au contenu est correcte, bien que la durée de 24 heures ne soit pas réellement démontrée. Les chapitres bien définis facilitent la navigation. En l’absence de commentaires utilisateur fournis, aucune tendance du public ne peut être analysée.

234 mots

Adéquation titre / contenu

Le titre annonce une exécution locale de DeepSeek V4 Vision, ce que la vidéo fait effectivement, avec de nombreuses démonstrations. La mention '24 heures' est probablement exagérée, mais la correspondance globale est correcte.

Qualité & fiabilité

6/10

Test pratique non contrôlé, reposant sur des démonstrations anecdotiques et des impressions subjectives. L'auteur fournit des détails techniques (tokens, températures) mais ne présente aucun benchmark formel ni méthodologie de test standardisée. Les erreurs signalées sur certains raisonnements logiques soulignent un manque de rigueur.

Chapitres

Sources citées

Références externes

Apport & nouveautés

L’apport de cette vidéo réside dans la mise en situation réelle d’un modèle de vision par IA en local, montrant des cas d’usage concrets (génération de jeux, retouche d’images, création d’interfaces) qui sortent des simples tests théoriques. L’auteur documente les paramètres techniques (tokens, température, modes de pensée) et fournit des observations fiables sur les performances pratiques.

Pour aller plus loin :

  • DeepSeek sur Wikipédia — Historique et contexte de la société DeepSeek, pertinente pour comprendre le modèle.
  • Vision Transformer (ViT) — Article fondateur des transformeurs appliqués à la vision, base des modèles multimodaux comme DeepSeek Vision.
  • MLX sur GitHub — Framework d’apprentissage automatique optimisé pour les puces Apple, utilisé par Inferencer pour exécuter le modèle en local.

117 mots

Profil radar

Le radar montre un profil équilibré, avec une quantité d'information élevée mais une fiabilité modérée, reflétant une vidéo riche en exemples mais peu rigoureuse sur le plan méthodologique. La qualité de l'information et le niveau technique sont corrects, indiquant un contenu accessible mais technique.

Fiabilité 5/10