在没人注意到的时候，B站已经成了中国最活跃的AI社区。

凌晨2点，一个B站直播里还有两百多人，同时在看一个人反复让DeepSeek跑任务。

屏幕上没什么特别的。

一个终端，一个Agent，一段不断往下刷的思维链。

弹幕却一直没停。

有人让他换一个Prompt，有人说重新开Session，有人怀疑刚才的请求被路由到了另一个版本，还有人已经在自己的电脑上复现刚才的结果。

这天是DeepSeek V4 Pro正式版和Harness发布的日子。

模型能力、不同版本、Harness效果，讨论还很混乱。

很多事情没有官方答案，连大家测到的是不是同一个东西，都说不清楚。

两百多人就在直播间里陪着他，一遍一遍地跑。

这个场景让我对B站有了一点新的认识。

在此之前，我基本没把它当成一个AI技术社区。

评论区居然开始研究模型指纹

我平时也看B站，只是看的东西跟AI没有太大关系。

鬼畜、军事，有时候首页推来一个几十分钟的视频，也会莫名其妙看完。

如果真要追一个刚发布的模型，我过去的习惯很固定：先看X，再去GitHub、Hugging Face，然后翻国内几个开发者社区和群。

B站通常排不到前面。

我对它的理解更接近一个内容（鬼畜）平台。

事情已经发生有一段时间后，有人研究明白了，再做成视频讲一遍。

最近一直在追DeepSeek V4，我才发现这个理解已经有点过时了。

我回头看了一下自己看到的DeepSeek有关内容。

V4 Pro不同版本的性能差异，社区后来讨论的几个不同模式，包括灰测的版本线索，再到Harness发布以后模型表现发生的变化。

我惊讶的发现，其中不少最早的线索，我居然都是在B站看到的。

不是有人把X上的帖子翻译搬运回来，是真的有人在测。

V4 Pro刚出来时，有一段时间社区非常混乱。

同样是DeepSeek V4 Pro，不同人拿到的结果差异很大。

有人觉得它已经强得很离谱，也有人觉得和之前相比没什么变化。

慢慢地，社区开始怀疑后端是不是存在多个版本，或者不同请求被路由到了不同模式。

我后来写过一次「三个模式」的讨论。

其中不少线索来自隔山水樵的视频和评论区。

评论区有人质疑他的测试环境：是不是Max模式？Key是什么时候开的？有没有可能碰到灰度测试或者不同路由？

他的回应不是简单说「我确定没有」。

他把Key创建时间、测试模式和自己的判断依据都放了出来。

讨论到后面有人开始观察模型的思维链。

发现这个版本经常说 users want me，另一个版本更常出现 let me。

一些人开始把这些细微的语言习惯当成模型指纹，再拿自己的Key去交叉测试。

有人提出猜测，有人立刻反驳；有人贴截图，有人重新跑。

很多结论后来未必都成立。

但这件事本身很有意思。一个视频网站的评论区，正在进行一种很民间的模型逆向研究。没有标准实验设计，没有论文，也没有人提前知道正确答案。

大家只是发现「这个东西好像不对」，然后开始往下挖。

DeepSeek Harness发布以后，我又看到了类似的事情。

小明XBright注意到，Harness的Minimal模式有一个反直觉的地方：工具明显更少，实际任务表现却可能比Standard更好。如果只是做模型测评，到这里已经足够了。

放两张跑分，再得出「少即是多」的结论，一条内容就完成了。

但他继续往下拆。

他在Windows环境中，用标准工具尝试还原Minimal模式的工作方式，想弄清楚真正影响模型表现的到底是什么。

工具数量、System Prompt、Context组织方式，还是Harness本身改变了模型解决问题的路径？

到了这里，它已经不太像一个传统意义上的「AI视频」。更像一份公开的实验记录。

新模型发布后，先开一场直播

后来我发现，这种内容在B站并不少。尤其是在新模型发布的头几天。

这是B站和X、GitHub很不一样的地方。X擅长快速传播一个结论。一个模型发布，Benchmark截图、体验判断、成功Case会在几个小时内铺开。GitHub则更适合代码最终沉淀下来。B站保留的是另一种东西：过程。

新模型上线几个小时，就有人开直播。主播先准备几个Case，观众在弹幕里继续出题。一个任务跑得特别好，大家会研究它为什么成功；跑崩了，就开始往前翻，看问题到底出在第几步。有人怀疑Prompt，就换Prompt。有人怀疑Context，就开一个新Session。有人觉得模型被路由了，就换Key再跑。

直播间里甚至没有明确的「主播」和「观众」分工。很多时候，观众也在自己的电脑上跑。一个人在直播间里发现异常，几十个人同时开始复现。几个小时以后，其中一个人把结果整理成视频；第二天，评论区又多了一轮讨论。再过一天，可能已经有人把解决方案写成了代码。

这是一种很奇怪的技术社区形态。十几年前，这些事情可能发生在论坛里。一个人发帖说自己发现了一个Bug，下面几十层回复一起排查。现在帖子变成了视频，回复变成了弹幕。连实验本身也变成实时的了。

模型刚发布，研究已经开始。

从测模型，到自己做东西

B站自己披露的数据，其实也能解释这种变化为什么会发生。

它早就不只是少数程序员偶尔发技术视频的地方。

AI已经成为平台增长很快的一类内容，观看模型测评、编程、Agent和各种AI应用的人越来越多。

过去内容创作者和开发者往往是两个角色。

一个人做项目，另一个人负责把它讲出来。现在越来越多时候，这两件事是同一个人在做。

最近DeepSeek Harness的插件生态里，就出现了两个挺典型的例子。

8月13日晚的DSH插件热榜快照中，colleague-skill排在第1。

它的作者@只是路过的titanwings，是一名B站UP主。

这个项目解决的问题很具体：怎么把同事脑子里的工作经验变成Agent能够直接调用的Skill。

公司里真正有价值的知识，很多时候并没有被写进知识库。

它可能只是一个销售做了几年以后知道，面对某类客户应该先问哪几个问题；也可能是一个运营看到一组异常数据时，下意识知道第一步应该检查哪里。

这些经验很难被传统知识库捕捉。

colleague-skill尝试把它们结构化，让Agent能够复用人的工作经验，并完成了DeepSeek Harness的适配。

同一晚的热榜快照里，第3名OpenBiliClaw的作者littlewish，同样是一名B站UP主。它做的事情甚至和B站本身有关：让Agent连接和使用B站内容。

我们通常说让Agent连接互联网，想到的是Google、网页搜索和浏览器。但中文互联网有大量有价值的信息并不以一篇结构清晰的网页存在。

它可能是一段视频，也可能在评论区，或者分散在一个创作者过去几个月的内容里。OpenBiliClaw尝试让Agent进入这些内容场景。

项目随后也在GitHub开源，开发者可以继续通过Star、Fork和Issue参与。

它们提供了一个有意思的切面。

B站上的AI内容，正在形成一条以前不太常见的链路：先有人讨论一个问题。

有人开始测试。围观的人参与复现。开发者发现真实需求。

最后做成Skill、插件或者产品，再开源到GitHub。

内容、社区和开发之间的边界变得越来越模糊。

B站在这条链路里承担的，也不只是「传播」的角色。

它开始成为一些开发者找到第一批用户、获得反馈，甚至寻找合作者的地方。

AI需要的，可能刚好就是这种社区

这也是我最近对B站改观最大的地方。

过去我们很容易想象，真正前沿的AI工作应该发生在几个固定的地方。

研究在实验室、代码在GitHub、消息在微信里。

国内开发者再建立几个自己的论坛和群。

但AI，尤其是大模型，改变了一部分技术社区的组织方式。

模型的门槛和传统软件不太一样。

一个刚发布的模型，任何人都可以立刻开始测试。

它的很多能力也没办法只靠一张Benchmark表格理解。

同一道题跑两次，结果可能不同；

Prompt改一点，结果可能不同；

Context、工具甚至Harness换掉，模型都会表现得像另一个东西。

于是「一起玩」本身开始变得有价值。

而视频、直播、弹幕，刚好很适合这件事。

它没有GitHub那么严谨，也没有论文那么可靠。

错误很多，猜测更多。

有人今天信誓旦旦发现了新版本，明天可能发现只是自己的测试条件出了问题。

但技术社区真正活跃的时候，本来就不是所有人都在等待最终答案。

总得有人先试。有人先猜错。

有人说「你这个不对」，然后另一群人再跑一次。

X把结论传出去，GitHub把代码留下来。

B站把实验留在了还没结束的那几个小时里。

对大模型这种高度路径依赖、又很难一次测准的东西，这几个小时可能比结论更重要。

所以现在DeepSeek再更新，我依然会打开X，翻GitHub，也会看几个熟悉的技术社区。只是多了一个以前不会有的动作：去B站搜一下。

我的首页还是很混乱。上一条可能是鬼畜。

下一条是军事。划两下，有人在直播拆DeepSeek Harness。

但现在我不觉得这几件事情放在一起很奇怪了。

B站没有在哪一天突然宣布自己要成为一个AI技术社区。

它甚至可能从来没有认真设计过这件事。

只是在这一轮AI浪潮里，一群本来就喜欢折腾东西的人，开始在这里测试模型、讨论问题、写代码，也找到和自己一样的人。

等我追DeepSeek V4的时候注意到他们，这个社区已经在那里了。

而且比我想象中热闹得多。

感谢您的观看🥹

我是Max，一个在AI方向持续探索的小学生。

我会持续更新一些AI方向最新最快的产品，技术，思考

文章来自于微信公众号 “01Founder”，作者 “01Founder”