Comment DeepSeek se débrouille avec le texte : résultats d’un test pratique
Des LLM locaux ont été testés dans « Everlasting Summer » : le jeu Ren’Py a été relié à Ollama par un pont TCP, et les modèles devaient choisir répliques et routes. Techniquement, le montage a fonctionné, mais les résultats sont faibles : DeepSeek et Gemma sont restés bloqués dans un labyrinthe, Qwen a longuement réfléchi sur certaines scènes, et même les meilleures parties se sont terminées sur de mauvaises fins. L’expérience indique que les modèles locaux peuvent déjà être branchés à un moteur de jeu, mais peinent encore à prendre des décisions cohérentes.
Traité par IA depuis Habr AI ; édité par Hamidun News
Le blog de Selectel sur Habr décrit une expérience où les grands modèles de langage locaux DeepSeek et Qwen ont été connectés à la visual novel « Everlasting Summer » et ont pris les décisions de l’intrigue à la place du joueur.
Le réseau de neurones
DeepSeek peut-il terminer seul un roman textuel ? Selon le test de Selectel, même des modèles locaux puissants comme DeepSeek et Qwen se perdent souvent dans leurs réponses, ralentissent sur un contexte long et mènent l’histoire vers de mauvaises fins. Dans « Everlasting Summer », qui compte 13 fins, les modèles n’ont pas réussi à choisir le chemin narratif optimal.
Comment DeepSeek gère-t-il un contexte long ?
Le test a montré que même des modèles solides comme DeepSeek se perdent souvent dans leurs réponses lorsqu’ils doivent traiter un contexte long, ce qui conduit à de mauvaises fins dans les tâches exigeant des décisions séquentielles.
- 1 nov. 2026Test de 16 modèles sur 7 moteurs de recherche : Exa obtient en moyenne 10,5 points sur 14, SearXNG environ 3
- 1 nov. 2026La couche de protection MoneyGate n'a laissé passer aucune des 42 demandes frauduleuses adressées à des IA locales
- 31 oct. 2026DeepSeek-V4.1-Flash ramène le cache KV en HBM à 890 octets par token, contre 3514
- 30 oct. 2026Mistral ouvre les poids de Large 4 : fort en code, mais les modèles chinois affichent 32 points contre 26
Questions clés sur cet article
Le réseau de neurones DeepSeek peut-il terminer seul un roman textuel ?
Selon le test de Selectel, même des modèles locaux puissants comme DeepSeek et Qwen se perdent souvent dans leurs réponses, ralentissent sur un contexte long et mènent l’histoire vers de mauvaises fins. Dans « Everlasting Summer », qui compte 13 fins, les modèles n’ont pas réussi à choisir le chemin narratif optimal.
Comment DeepSeek gère-t-il un contexte long ?
Le test a montré que même des modèles solides comme DeepSeek se perdent souvent dans leurs réponses lorsqu’ils doivent traiter un contexte long, ce qui conduit à de mauvaises fins dans les tâches exigeant des décisions séquentielles.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.