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.
Das OpenAI o3-mini ist ein leistungsstarkes und kosteneffizientes Modell für schnelles logisches Denken, das speziell für MINT-Anwendungen entwickelt wurde und hervorragende Leistungen in Wissenschaft, Mathematik und Programmierung bietet. Es wurde im Januar 2025 veröffentlicht und enthält essenzielle Entwicklerfunktionen wie Funktionsaufrufe, strukturierte Ausgaben und Entwicklernachrichten. Das Modell verfügt über drei Stufen der Denkintensität—niedrig, mittel und hoch—damit Nutzer zwischen tiefgehender Analyse und schnelleren Antwortzeiten optimieren können. Im Gegensatz zum o3-Modell besitzt es keine visuellen Fähigkeiten. Zunächst ist es für ausgewählte Entwickler in den API-Stufen 3-5 verfügbar und kann über die Chat Completions API, Assistants API und Batch API genutzt werden.
| DeepSeek-R1 | o3-mini | |
|---|---|---|
Anbieter | ||
Webseite | ||
Veröffentlichungsdatum | Jan 21, 2025 3 Monate ago | Jan 31, 2025 2 Monate ago |
Modalitäten | Text | Text |
API-Anbieter | DeepSeek, HuggingFace | OpenAI API |
Datum des Wissensstandes | Unbekannt | Unbekannt |
Open Source | Ja | Nein |
Preisgestaltung Eingabe | $0.55 pro Million Token | $1.10 pro Million Token |
Preisgestaltung Ausgabe | $2.19 pro Million Token | $4.40 pro Million Token |
MMLU | 90.8% Pass@1 Quelle | 86.9% pass@1, high effort Quelle |
MMLU Pro | 84% EM Quelle | Nicht verfügbar |
MMMU | - | Nicht verfügbar |
HellaSwag | - | Nicht verfügbar |
HumanEval | - | Nicht verfügbar |
MATH | - | 97.9% pass@1, high effort Quelle |
GPQA | 71.5% Pass@1 Quelle | 79.7% 0-shot, high effort Quelle |
IFEval | 83.3% Prompt Strict Quelle | Nicht verfügbar |
Mobile Anwendung |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2025 All Right Reserved.