DeepSeek-R1 es un modelo Mixture-of-Experts (MoE) con 671 mil millones de parámetros, de los cuales 37 mil millones se activan por token. Fue entrenado mediante aprendizaje por refuerzo a gran escala, con un enfoque en capacidades de razonamiento. Incorpora dos etapas de RL para descubrir patrones de razonamiento mejorados y alinearse con las preferencias humanas, además de dos etapas de SFT para desarrollar habilidades de razonamiento y no razonamiento. El modelo logra un rendimiento comparable a OpenAI-o1 en tareas de matemáticas, programación y razonamiento.
„Llama 3.3 70B Instruct“, creado por Meta, es un modelo de lenguaje grande y multilingüe afinado específicamente para tareas basadas en instrucciones y optimizado para aplicaciones conversacionales. Es capaz de procesar y generar texto en varios idiomas, con una ventana de contexto que admite hasta 128.000 tokens. Lanzado el 6 de diciembre de 2024, el modelo supera a numerosos chatbots de código abierto y propietarios en diversas pruebas comparativas de la industria. Utiliza Grouped-Query Attention (GQA) para mejorar la escalabilidad y ha sido entrenado con un conjunto de datos diverso que incluye más de 15 billones de tokens de fuentes públicas. El conocimiento del modelo está actualizado hasta diciembre de 2023.
| DeepSeek-R1 | Llama 3.3 70B Instruct | |
|---|---|---|
Sitio Web
| ||
Proveedor
| ||
Chat
| ||
Fecha de Lanzamiento
| ||
Modalidades
| texto | texto |
Proveedores de API
| DeepSeek, HuggingFace | Fireworks, Together, DeepInfra, Hyperbolic |
Fecha de Corte de Conocimiento
| Desconocido | 12.2024 |
Código Abierto
| Sí | Sí |
Costo de Entrada
| $0.55 por millón de tokens | $0.23 por millón de tokens |
Costo de Salida
| $2.19 por millón de tokens | $0.40 por millón de tokens |
MMLU
| 90.8% Pass@1 Fuente | 86% 0-shot, CoT Fuente |
MMLU-Pro
| 84% EM Fuente | 68.9% 5-shot, CoT Fuente |
MMMU
| - | No disponible |
HellaSwag
| - | No disponible |
HumanEval
| - | 88.4% pass@1 Fuente |
MATH
| - | 77% 0-shot, CoT Fuente |
GPQA
| 71.5% Pass@1 Fuente | 50.5% 0-shot, CoT Fuente |
IFEval
| 83.3% Prompt Strict Fuente | 92.1% Fuente |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplicación Móvil | - |
Compare AI. Test. Benchmarks. Chatbots Móviles, Sketch
Copyright © 2025 All Right Reserved.