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.
Amazon Nova Pro es un modelo multimodal de vanguardia diseñado para manejar entradas de texto, imagen y video con capacidades de procesamiento avanzadas. Con una ventana de contexto de 300.000 tokens, sobresale en el análisis de documentos, la respuesta visual a preguntas y los flujos de trabajo complejos impulsados por agentes. Como parte de los modelos base de Amazon Nova, admite ajustes finos y destilación, lo que permite una personalización profunda para diversas aplicaciones.
| DeepSeek-R1 | Nova Pro | |
|---|---|---|
Sitio Web
| ||
Proveedor
| ||
Chat
| ||
Fecha de Lanzamiento
| ||
Modalidades
| texto | texto imágenes video |
Proveedores de API
| DeepSeek, HuggingFace | Amazon Bedrock |
Fecha de Corte de Conocimiento
| Desconocido | Intencionalmente no divulgado |
Código Abierto
| Sí | No |
Costo de Entrada
| $0.55 por millón de tokens | $0.80 por millón de tokens |
Costo de Salida
| $2.19 por millón de tokens | $3.20 por millón de tokens |
MMLU
| 90.8% Pass@1 Fuente | 85.9% CoT Fuente |
MMLU-Pro
| 84% EM Fuente | No disponible |
MMMU
| - | No disponible |
HellaSwag
| - | No disponible |
HumanEval
| - | 89% pass@1 Fuente |
MATH
| - | 76.6% CoT Fuente |
GPQA
| 71.5% Pass@1 Fuente | 46.9% Main 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 | - | |
MathArena | ||
| Puntuación media | 82% | - |
AIME 2025 Prueba basada en problemas del concurso de matemáticas (American Invitational Mathematics Examination),destinada a evaluar las habilidades matemáticas de los modelos. | 89% | - |
HMMT February 2025 Prueba basada en problemas del Harvard-MIT Mathematics Tournament, febrero de 2025, destinada a evaluar las habilidades matemáticas de los modelos. | 77% | - |
BRUMO 2025 | 92% | - |
SMT 2025 Prueba basada en problemas del Stanford Math Tournament, 2025, destinada a evaluar las habilidades matemáticas de los modelos. | 83% | - |
CMIMC 2025 Prueba basada en problemas de la Olimpiada Matemática Canadiense, 2025, destinada a evaluar las habilidades matemáticas de los modelos. | 69% | - |
Compare AI. Test. Benchmarks. Chatbots Móviles, Sketch
Copyright © 2026 All Right Reserved.
Comentarios (1)
Jacquie
27 Enero 2026Digiturk paketler icinden size en uygun uyeligi kolayca secebilirsiniz. https://digiturkpaketler.com/kampanyalar