【菜科解读】

简介：本文将详细介绍如何使用U盘安装Win7系统。

通过合理的开头引出标题，简要概括文章内容，阐述自己的论点。

工具原料：

电脑品牌型号：惠普Pavilion 15

操作系统版本：Windows 10

软件版本：WinToUSB 5.8

一、准备工作

1、备份重要数据：在安装系统前，务必备份电脑中的重要数据，以免丢失。

2、下载Win7系统镜像：从官方网站或其他可信来源下载Win7系统镜像文件。

二、制作启动U盘

1、插入U盘：将U盘插入电脑的USB接口。

2、运行WinToUSB：打开WinToUSB软件，选择U盘作为目标磁盘。

3、选择Win7系统镜像：在WinToUSB界面中选择下载好的Win7系统镜像文件。

4、开始制作：点击开始按钮，等待制作完成。

三、设置电脑启动顺序

1、重启电脑：将制作好的启动U盘插入电脑，重启电脑。

2、进入BIOS设置：在电脑开机过程中按下相应的按键（通常是F2、F10或Delete键）进入BIOS设置界面。

3、设置启动顺序：在BIOS设置界面中找到启动选项，将U盘设为第一启动项。

4、保存设置：保存设置并退出BIOS设置界面。

四、安装Win7系统

1、重启电脑：保存设置后，电脑将会自动重启。

2、按照提示安装：按照屏幕上的提示，选择语言、时区等设置，然后点击下一步。

3、选择安装位置：选择安装Win7系统的磁盘分区，并点击下一步。

4、等待安装完成：系统将自动进行安装，等待安装完成。

五、结论

通过以上步骤，我们可以使用U盘轻松安装Win7系统。

在安装前备份重要数据，制作启动U盘，设置电脑启动顺序，然后按照提示安装系统。

希望本文对您有所帮助。

u盘安装win7系统教程, u盘安装win7系统, 使用u盘安装windows7系统教程

科学家使用特殊方法首次探测“超级地球”表面，结果很离谱

科学家首次对系外行星的表面进行直接分析。

科学家称，韦布太空望远镜的观测结果显示，一颗所谓的“超级地球”其表面看起来实际上可能与水星更为相似。

NASA / Johns Hopkins University Applied Physics Laboratory / Carnegie Institution of Washington LHS 3844 b是一颗比地球大30%的系外行星，也是一颗所谓的“超级地球”。

近日天文学家动用韦布望远镜，对这个距离我们约50光年的行星进行了首次表面热特征分析。

与以往进行的大气研究不同，这是人类首次对系外行星的表面进行直接分析。

分析结果出人意料，这个“超级地球”几乎毫无地球特色。

LHS 3844 b是一个拥有深色表面的荒芜世界，没有大气。

在某种程度上和太阳系的水星倒有些相似。

发现于2019年的LHS 3844 b环绕一颗低温红矮星运行，其一年只相当于11个地球日，且已被潮汐锁定——它的一个半球将永远朝向它的恒星，就像月球永远只用它的一个半球朝向地球一样。

因此，它的永昼面温度理论上可达725℃。

来自马克斯･普朗克研究所的Laura Kreidberg等科学家2023年和2024年在LHS 3844 b运行到恒星后方时对其进行了3次观测，他们使用韦布望远镜的中红外探测仪，对恒星炽热昼面产生的红外线进行了测量，并据此对它的表面特征进行了分析。

相关论文发表在今年5月4日的《自然：天文学》上。

通过与地球、月球和火星的已知矿物进行光谱比对，研究人员发现这颗行星的表面与富含硅和花岗岩的地球不同。

在地球上，地壳的形成通常与水推动的地质进程和板块运动有关，这会导致岩石发生循环，并使浅色的矿物上升到地表；

而LHS 3844 b的表面主要由玄武岩构成——玄武岩是一种深色火山岩，富含铁和镁，在月球和水星表面十分常见。

研究人员表示，在这颗行星表面，水十分稀少。

导致这一结果的原因尚不可知。

一种可能的情形是，LHS 3844 b的表面相对年轻，它可能被新近的火山活动重塑过，且还未被微陨石的撞击破坏。

但是此类过程会释放出二氧化碳或二氧化硫，而韦布并未探测到这些气体。

另一种可能是，这颗行星表面覆盖着一层厚厚的深色颗粒物。

这些颗粒物是在辐射和陨石撞击下，并且经历了漫长的岁月之后形成的——与月球或水星表面的情况相似。

如果没有大气层保护，行星表面会特别容易受到这种影响。

这一过程被称为“空间风化（space weathering）”，它会导致岩石分解，并使其颜色变得越来越深。

而这种情形需要行星表面在较长时间内保持地质稳定。

研究人员计划未来使用韦布进一步判断LHS 3844 b的表面特性，比如其表面岩石的状态是否相对完整，还是已经松散和风化。

参考 Astronomers Explore the Surface Composition of a Nearby Super-Earth https://www.cfa.harvard.edu/news/astronomers-explore-surface-composition-nearby-super-earth The dark and featureless surface of rocky exoplanet LHS 3844 b from JWST mid-infrared spectroscopy

DeepSeek-V4上线：使用华为芯片训练，性能比Gemini差3-6个月，价格优势明显

出品｜搜狐科技 作者｜郑松毅、常博硕 编辑｜杨锦 DeepSeek V4，来了！ OpenAI GPT 5.5 前脚刚发布，DeepSeek就亮出了“真家伙”。

就在刚刚，DeepSeek-V4的预览版本正式上线并同步开源。

据官方介绍，DeepSeek-V4拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本： 更具产业里程碑意义的是，DeepSeek-V4 从模型设计之初就深度适配国产算力，在华为昇腾芯片生态实测跑通，成为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，打破对海外芯片与框架的长期依赖。

性能比肩顶级闭源模型，价格比Claude便宜21倍 官方实测数据显示，DeepSeek-V4-Pro性能比肩顶级闭源模型。

Agent（智能体）能力方面，相比前代模型，DeepSeek-V4-Pro的能力显著增强。

在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

DeepSeek介绍，目前 DeepSeek-V4 已成为公司内部员工使用的 Agentic Coding 模型，据评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与Opus 4.6 思考模式存在一定差距。

DeepSeek给出的结论相对克制。

在知识与推理任务上，其性能已经超过主流开源模型，并接近Gemini等闭源系统，但仍存在约3到6个月差距。

在 agent和代码任务上，其表现接近甚至部分超过Claude Sonnet。

此外，在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型（包括月之暗面的K2.6 Thinking、智谱GLM-5.1 Thinking等），取得了比肩世界顶级闭源模型的优异成绩。

相较之下，DeepSeek-V4-Flash主打性价比，能够提供更加快捷、经济的 API 服务。

在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。

据悉，V4-Pro 与 V4-Flash 最大上下文长度为 1M，均同时支持非思考模式与思考模式，其中思考模式支持 reasoning_effort 参数设置思考强度（high/max）。

对于复杂的 Agent 场景建议使用思考模式，并设置强度为 max。

使用价格如下： DeepSeek表示，“受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。

” 再看看国际友商价格对比，可见DeepSeek的实惠： 混合架构解决工程落地痛点，全面适配国产算力 大模型处理超长文本的最大痛点，从来不是 “能不能装下”，而是跑不动、记不住、算不起。

随着传统注意力机制呈平方级复杂度攀升，百万Token场景下显存与算力直接 “爆炸”，几乎无法工程落地。

DeepSeek-V4 的发布，标志着大模型正式走出 “参数竞赛”，进入效率优先下一代赛道。

从一口气审计全量代码库、一次性解析千页合同，到全程记住长时间会议、串联多轮复杂智能体任务，V4让AI 真正具备“完整理解、长期记忆、深度推理”的能力，同时把使用成本大幅下拉。

这一切得益于DeepSeek业内首创“CSA （压缩稀疏注意力） + HCA （重度压缩注意力）”的混合架构。

用一套“分级压缩 + 分级检索”思路，把效率拉到极致。

这一新方法显著减少了计算复杂度，提升了长上下文处理的效率。

具体来看，CSA像给长文本做重点精读。

先把每 4 个Token压缩成一个信息块，再用稀疏检索只挑最相关的内容，既保留中段细节，又大幅削减计算量，兼顾精准与效率。

HCA像给长文本做大纲速读，把海量信息浓缩成框架级块，专门负责全局逻辑。

官方数据显示：1M Token场景下，V4-Pro 仅需 V3.2 的 27% 推理算力、10% KV 缓存；

Flash 版更是低至 10% 算力、7% 缓存。

除了混合注意力，V4 还带来三项关键技术革新，构成完整效率革命： mHC 流形约束超连接：升级传统残差连接，把信号传播约束在稳定流形上，深层不衰减、训练不炸数值。

Muon 优化器：替代传统 AdamW，收敛更快、训练更稳，完美适配 MoE 大模型与低精度训练，解决大批次长上下文训练的抖动难题。

全链路工程优化：专家并行细粒度通信重叠、TileLang 内核开发、FP4 量化感知训练、异构 KV 缓存管理，从计算、通信、存储全方位降本提速，推理加速最高近2倍。

最受大家关心的，是V4这次是否成功全面适配国产算力？ 报告指出，DeepSeek-V4在英伟达 GPU 与华为昇腾 NPU 两大硬件平台上，对细粒度 EP 优化方案完成了全面验证。

相较于性能优异的非融合基线方案，该方案在通用推理负载场景下可实现1.50~1.73 倍的加速比。

有业内观点指出，这代表已经完成华为昇腾平台的适配和实测落地。

但目前对外开源的只有英伟达GPU版本，昇腾适配代码未开源，属于闭源适配优化。

值得一提的是，寒武纪在软硬一体生态中，已经完成基于 vLLM 推理框架完成对 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的适配，适配代码已开源到 GitHub 社区。

剩下的，就等DeepSeek-V4的实用表现了。

还有DeepSeek的首轮融资最终花落谁家，也还是个谜题。

“不诱于誉，不恐于诽，率道而行，端然正己。

” DeepSeek官方在文章最后表示，他们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现 AGI 的目标不断靠近。

”