【菜科解读】

简介：使用U盘安装Win7系统的步骤是很多用户在电脑出现问题或需要重装系统时常用的方法。

本文将介绍使用U盘安装Win7系统的详细步骤，帮助读者轻松完成系统安装。

工具原料：

电脑品牌型号：任意品牌型号的电脑

操作系统版本：Windows 7

软件版本：Windows 7安装镜像文件

一、准备U盘和安装镜像文件

1、选择一个容量足够的U盘，建议容量不小于8GB。

2、下载合适的Windows 7安装镜像文件，可以从官方网站或其他可靠来源获取。

二、制作可启动U盘

1、插入U盘到电脑的USB接口。

2、打开电脑上的磁盘管理工具，找到U盘的盘符。

3、格式化U盘为FAT32文件系统。

4、使用专业的U盘启动盘制作工具，将Windows 7安装镜像文件写入U盘。

三、设置电脑启动顺序

1、重启电脑，进入BIOS设置界面。

2、找到启动选项，将U盘设为第一启动项。

3、保存设置并退出BIOS。

四、安装Win7系统

1、重启电脑，U盘会自动启动Windows 7安装程序。

2、按照安装向导的提示，选择语言、时区等设置。

3、选择安装类型，可以选择全新安装或升级安装。

4、选择安装位置，可以选择系统所在的分区或新建分区。

5、等待安装过程完成，期间可能需要重启电脑。

五、完成安装

1、安装完成后，根据提示进行一些基本设置，如设置用户名、密码等。

2、安装驱动程序和常用软件，确保系统正常运行。

3、根据个人需求，进行系统优化和个性化设置。

结论：

通过以上步骤，我们可以轻松使用U盘安装Win7系统。

这种方法不仅方便快捷，而且可以解决电脑系统问题或进行系统重装。

希望本文对读者有所帮助，让大家能够顺利完成系统安装。

u盘安装win7系统步骤, u盘安装win7系统, 使用u盘安装windows 7系统

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。

”