ديب سيك-R1 هو نموذج خليط من الخبراء (MoE) بمعاملات تبلغ 671 مليار مع 37 مليار معلمة مفعلة لكل وحدة، تم تدريبه عبر تعلم تعزيزي واسع النطاق مع التركيز على القدرات الاستدلالية. وهو يدمج مرحلتين من التعلم التعزيزي لاكتشاف أنماط استدلالية محسنة ومحاذاة التفضيلات البشرية، إلى جانب مرحلتين SFT لزرع القدرات الاستدلالية وغير الاستدلالية. يحقق النموذج أداءً مماثلاً لـ OpenAI-o1 عبر مهام الرياضيات والبرمجة والاستدلال.
Llama 3.3 70B Instruct، من تطوير Meta، هو نموذج لغوي كبير متعدد اللغات تم ضبطه خصيصًا للمهام القائمة على التعليمات ومُحسّن للتطبيقات المحادثة. يمكنه معالجة وإنشاء نصوص بلغات متعددة، مع نافذة سياقية تدعم حتى 128,000 وحدة. تم إطلاقه في 6 ديسمبر 2024، ويتفوق النموذج على العديد من نماذج الدردشة مفتوحة المصدر والخاصة في معايير الصناعة المختلفة. يستخدم الانتباه الاستعلامي المجمع (GQA) لتحسين قابلية التوسع، وتم تدريبه على مجموعة بيانات متنوعة تضم أكثر من 15 تريليون وحدة من مصادر متاحة للجمهور. معرفة النموذج محدثة حتى ديسمبر 2023.
| DeepSeek-R1 | Llama 3.3 70B Instruct | |
|---|---|---|
موقع الويب
| ||
المزود
| ||
الدردشة
| ||
تاريخ الإصدار
| ||
الوسائط
| نص | نص |
مزودو API
| DeepSeek, HuggingFace | Fireworks, Together, DeepInfra, Hyperbolic |
تاريخ قطع المعرفة
| غير معروف | 12.2024 |
مفتوح المصدر
| نعم | نعم |
تسعير الإدخال
| $0.55 لكل مليون رمز | $0.23 لكل مليون رمز |
تسعير الإخراج
| $2.19 لكل مليون رمز | $0.40 لكل مليون رمز |
MMLU
| 90.8% Pass@1 المصدر | 86% 0-shot, CoT المصدر |
MMLU-Pro
| 84% EM المصدر | 68.9% 5-shot, CoT المصدر |
MMMU
| - | غير متاح |
HellaSwag
| - | غير متاح |
HumanEval
| - | 88.4% pass@1 المصدر |
MATH
| - | 77% 0-shot, CoT المصدر |
GPQA
| 71.5% Pass@1 المصدر | 50.5% 0-shot, CoT المصدر |
IFEval
| 83.3% Prompt Strict المصدر | 92.1% المصدر |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
تطبيق الجوال | - |
Compare AI. Test. Benchmarks. تطبيبات دردشة الجوال, Sketch
Copyright © 2025 All Right Reserved.