A DeepSeek-R1 egy 671B paraméteres Mixture-of-Experts (MoE) modell, amely tokenenként 37B aktivált paraméterrel rendelkezik, és nagymértékű megerősítéses tanuláson keresztül készült, kiemelt figyelmet fordítva a gondolkodási képességekre. Két RL (reinforcement learning) szakaszt tartalmaz a javított gondolkodási minták felfedezésére és az emberi preferenciákhoz igazításra, valamint két SFT (supervised fine-tuning) szakaszt a gondolkodási és nem-gondolkodási képességek bevetésére. A modell teljesítménye hasonló az OpenAI-o1 modelléhez matematikai, kódolási és gondolkodási feladatokban.
Az Qwen2-VL megjelenése után öt hónappal a fejlesztők új modelleket építettek rá, értékes visszajelzést nyújtva. Most az Qwen2.5-VL továbbfejlesztett képességeket mutat be, beleértve a képek, szövegek és diagramok pontos elemzését, valamint objektumok lokalizálását strukturált JSON kimenetekkel. Megérti a hosszú videókat, kulcseseményeket azonosít, és ügynökként működik, eszközökkel kommunikálva számítógépeken és telefonokon. A modell architektúrája dinamikus videofeldolgozást és optimalizált ViT kódolót tartalmaz a gyorsaság és pontosság javításáért.
| DeepSeek-R1 | Qwen2.5-VL-32B | |
|---|---|---|
Szolgáltató | ||
Weboldal | ||
Kiadási Dátum | Jan 21, 2025 3 hónapok ago | Mar 25, 2025 4 hetek ago |
Modalitások | szöveg | szöveg képek videó |
API Szolgáltatók | DeepSeek, HuggingFace | - |
Tudás Befejezési Dátuma | Ismeretlen | Ismeretlen |
Nyílt Forráskódú | Igen | Igen (Forrás) |
Bemeneti Árazás | $0.55 millió tokenenként | $0 |
Kimeneti Árazás | $2.19 millió tokenenként | $0 |
MMLU | 90.8% Pass@1 Forrás | 78.4% Forrás |
MMLU Pro | 84% EM Forrás | 49.5% |
MMMU | - | 70% |
HellaSwag | - | Nem elérhető |
HumanEval | - | Nem elérhető |
MATH | - | 82.2% |
GPQA | 71.5% Pass@1 Forrás | 46.0% Diamond |
IFEval | 83.3% Prompt Strict Forrás | Nem elérhető |
Mobilalkalmazás | - |
Compare AI. Test. Benchmarks. Mobil Chatbot Alkalmazások, Sketch
Copyright © 2025 All Right Reserved.