DeepSeek-R1 ist ein Mixture-of-Experts (MoE)-Modell mit 671 Milliarden Parametern, wobei 37 Milliarden Parameter pro Token aktiv sind. Es wurde durch groß angelegtes Reinforcement Learning mit Fokus auf logische Schlussfolgerungen trainiert. Das Modell umfasst zwei RL-Phasen zur Entdeckung verbesserter Denkstrategien und zur Anpassung an menschliche Präferenzen sowie zwei SFT-Phasen zur Initialisierung von logischem und nicht-logischem Wissen. Die Leistung des Modells ist vergleichbar mit OpenAI-o1 in den Bereichen Mathematik, Programmierung und logisches Denken.
„Llama 3.3 70B Instruct“, entwickelt von Meta, ist ein mehrsprachiges großes Sprachmodell, das speziell für auf Anweisungen basierende Aufgaben feinabgestimmt und für Konversationsanwendungen optimiert wurde. Es kann Texte in mehreren Sprachen verarbeiten und generieren, mit einem Kontextfenster, das bis zu 128.000 Token unterstützt. Das Modell wurde am 6. Dezember 2024 veröffentlicht und übertrifft zahlreiche Open-Source- und proprietäre Chatmodelle in verschiedenen Branchenbenchmarks. Es nutzt Grouped-Query Attention (GQA),um die Skalierbarkeit zu verbessern, und wurde mit einem vielfältigen Datensatz trainiert, der über 15 Billionen Token aus öffentlich zugänglichen Quellen umfasst. Das Modellwissen ist auf dem Stand von Dezember 2023.
| DeepSeek-R1 | Llama 3.3 70B Instruct | |
|---|---|---|
Webseite
| ||
Anbieter
| ||
Chat
| ||
Veröffentlichungsdatum
| ||
Modalitäten
| Text | Text |
API-Anbieter
| DeepSeek, HuggingFace | Fireworks, Together, DeepInfra, Hyperbolic |
Datum des Wissensstandes
| Unbekannt | 12.2024 |
Open Source
| Ja | Ja |
Preisgestaltung Eingabe
| $0.55 pro Million Token | $0.23 pro Million Token |
Preisgestaltung Ausgabe
| $2.19 pro Million Token | $0.40 pro Million Token |
MMLU
| 90.8% Pass@1 Quelle | 86% 0-shot, CoT Quelle |
MMLU-Pro
| 84% EM Quelle | 68.9% 5-shot, CoT Quelle |
MMMU
| - | Nicht verfügbar |
HellaSwag
| - | Nicht verfügbar |
HumanEval
| - | 88.4% pass@1 Quelle |
MATH
| - | 77% 0-shot, CoT Quelle |
GPQA
| 71.5% Pass@1 Quelle | 50.5% 0-shot, CoT Quelle |
IFEval
| 83.3% Prompt Strict Quelle | 92.1% Quelle |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Mobile Anwendung | - | |
MathArena | ||
| Durchschnittliche Punktzahl | 82% | - |
AIME 2025 Test basierend auf Aufgaben aus dem Mathematikwettbewerb (American Invitational Mathematics Examination),der die mathematischen Fähigkeiten von Modellen überprüfen soll. | 89% | - |
HMMT February 2025 Test basierend auf Aufgaben aus dem Harvard-MIT Mathematics Tournament, Februar 2025, der die mathematischen Fähigkeiten von Modellen überprüfen soll. | 77% | - |
BRUMO 2025 | 92% | - |
SMT 2025 Test basierend auf Aufgaben aus dem Stanford Math Tournament, 2025, der die mathematischen Fähigkeiten von Modellen überprüfen soll. | 83% | - |
CMIMC 2025 Test basierend auf Aufgaben aus der Canadian Mathematical Olympiad, 2025, der die mathematischen Fähigkeiten von Modellen überprüfen soll. | 69% | - |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2026 All Right Reserved.
Kommentare (1)
Jacquie
27 Januar 2026Digiturk paketler icinden size en uygun uyeligi kolayca secebilirsiniz. https://digiturkpaketler.com/kampanyalar