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.
OpenAI o4-mini ist das neueste leichtgewichtige Modell der o-Serie, entwickelt für effizientes und leistungsfähiges Denken über Text- und Bildaufgaben hinweg. Für Geschwindigkeit und Leistung optimiert, zeichnet es sich durch Code-Generierung und bildbasiertes Verständnis aus, während es ein Gleichgewicht zwischen Latenz und Denktiefe beibehält. Das Modell unterstützt ein Kontextfenster von 200.000 Token mit bis zu 100.000 Ausgabe-Token, was es für umfangreiche Interaktionen geeignet macht. Es verarbeitet sowohl Text- als auch Bildeingaben und erzeugt Textausgaben mit fortgeschrittenen Denkfähigkeiten. Dank seiner kompakten Architektur und vielseitigen Leistung ist o4-mini ideal für eine breite Palette von realen Anwendungen, die schnelle und kostengünstige Intelligenz erfordern.
| DeepSeek-R1 | o4-mini | |
|---|---|---|
Webseite
| ||
Anbieter
| ||
Chat
| ||
Veröffentlichungsdatum
| ||
Modalitäten
| Text | Text Bilder |
API-Anbieter
| DeepSeek, HuggingFace | OpenAI API |
Datum des Wissensstandes
| 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 | fort |
MMLU-Pro
| 84% EM Quelle | - |
MMMU
| - | 81.6% Quelle |
HellaSwag
| - | - |
HumanEval
| - | 14.28% Quelle |
MATH
| - | - |
GPQA
| 71.5% Pass@1 Quelle | 81.4% Quelle |
IFEval
| 83.3% Prompt Strict Quelle | - |
SimpleQA
| - | - |
AIME 2024 | - | 93.4% Quelle |
AIME 2025 | - | 92.7% Quelle |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Mobile Anwendung |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2025 All Right Reserved.