DeepSeek-R1は、671BパラメータのMixture-of-Experts（MoE）モデルで、トークンごとに37Bの活性化パラメータを持ち、大規模な強化学習を通じて推論能力に焦点を当ててトレーニングされています。改善された推論パターンの発見と人間の好みに合わせるための2つのRLステージ、および推論と非推論能力を育むための2つのSFTステージを組み込んでいます。このモデルは、数学、コード、推論タスクにおいてOpenAI-o1に匹敵する性能を発揮します。
OpenAI o4-miniは、oシリーズの最新の軽量モデルで、テキストと視覚タスクにわたる効率的で有能な推論のために設計されています。速度とパフォーマンスに最適化され、コード生成と画像ベースの理解に優れ、レイテンシと推論の深さのバランスを保っています。このモデルは20万トークンのコンテキストウィンドウをサポートし、最大10万トークンの出力が可能で、大規模なインタラクションに適しています。テキストと画像の両方の入力を処理し、高度な推論能力を持つテキスト出力を生成します。コンパクトなアーキテクチャと汎用性の高いパフォーマンスにより、o4-miniは高速でコスト効率の良い知能を必要とする幅広い実世界のアプリケーションに理想的です。
| DeepSeek-R1 | o4-mini | |
|---|---|---|
ウェブサイト
| ||
プロバイダー
| ||
チャット
| ||
リリース日
| ||
モダリティ
| テキスト | テキスト 画像 |
APIプロバイダー
| DeepSeek, HuggingFace | OpenAI API |
知識のカットオフ日
| 不明 | - |
オープンソース
| はい | いいえ |
入力料金
| $0.55 100万トークンあたり | $1.10 100万トークンあたり |
出力料金
| $2.19 100万トークンあたり | $4.40 100万トークンあたり |
MMLU
| 90.8% Pass@1 ソース | fort |
MMLU-Pro
| 84% EM ソース | - |
MMMU
| - | 81.6% ソース |
HellaSwag
| - | - |
HumanEval
| - | 14.28% ソース |
MATH
| - | - |
GPQA
| 71.5% Pass@1 ソース | 81.4% ソース |
IFEval
| 83.3% Prompt Strict ソース | - |
SimpleQA
| - | - |
AIME 2024 | - | 93.4% ソース |
AIME 2025 | - | 92.7% ソース |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
モバイルアプリケーション |
Compare AI. Test. Benchmarks. モバイルアプリチャットボット, Sketch
Copyright © 2025 All Right Reserved.