DeepSeek-R1은 토큰당 370억 개의 활성 파라미터를 사용하는 6710억 파라미터의 Mixture-of-Experts(MoE) 모델로, 추론 능력에 초점을 맞춘 대규모 강화 학습을 통해 학습되었습니다. 향상된 추론 패턴 발견과 인간 선호도 정렬을 위한 두 단계의 RL, 추론/비추론 능력 생성을 위한 두 단계의 SFT가 포함되어 있으며, 수학, 코딩, 추론 작업에서 OpenAI-o1과 유사한 성능을 보입니다.
웹사이트 AI 모델 웹페이지 | |
제공자 이 모델을 제공하는 주체. | |
채팅 채팅을 시작하려면 메시지를 입력하세요 | - |
출시일 모델이 처음 출시된 날짜. | 1 년 ago 1월 21, 2025 |
모달리티 이 모델이 처리할 수 있는 데이터 유형 | 텍스트 |
API 제공자 이 모델을 제공하는 업체들. (전체 목록이 아님) | DeepSeek, HuggingFace |
지식 업데이트 종료일 모델의 지식이 마지막으로 업데이트된 날짜. | 알 수 없음 |
오픈 소스 모델 코드가 공개적으로 사용 가능한지 여부. | 예 |
입력 가격 프롬프트 토큰 처리 비용 | $0.55 100만 토큰당 |
출력 가격 모델이 생성한 토큰 비용 | $2.19 100만 토큰당 |
MMLU Massive Multitask Language Understanding - 수학, 역사, 법학 등 57개 과목에 걸친 지식 테스트 | 90.8% Pass@1 출처 |
MMLU-Pro 더 어렵고 추론 중심의 질문, 더 큰 선택지, 프롬프트 민감도 감소로 강화된 MMLU 벤치마크 | 84% EM 출처 |
MMMU Massive Multitask Multimodal Understanding - 텍스트, 이미지, 오디오, 비디오에 걸친 이해력 테스트 | - |
HellaSwag 도전적인 문장 완성 벤치마크 | - |
HumanEval 코드 생성 및 문제 해결 능력 평가 | - |
MATH 다양한 난이도의 수학 문제 해결 능력 테스트 | - |
GPQA 화학, 생물학, 물리학 분야의 박사 수준 지식을 깊은 전문성이 필요한 객관식 문제로 테스트 | 71.5% Pass@1 출처 |
IFEval 모델이 명시적 형식 지침을 정확히 따르고 적절한 출력을 생성하며 다양한 작업에서 일관된 지침 준수를 유지하는 능력 테스트 | 83.3% Prompt Strict 출처 |
SimpleQA 간단한 질문의 정확성 평가 | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot 다국어 프로그래밍 벤치마크. | - |
LiveCodeBench v5 실시간 프로그래밍 벤치마크 | - |
Global MMLU (Lite) 전 세계적으로 모델의 범용성을 평가하기 위한 간소화된 벤치마크 버전. | - |
MathVista 시각적 맥락에서 AI 모델의 수학적 추론 능력을 평가합니다 | - |
모바일 앱 | |
MathArena | |
| 평균 점수 | 82% |
| AIME 2025 American Invitational Mathematics Examination의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 89% |
| HMMT February 2025 2025년 2월 Harvard-MIT Mathematics Tournament의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 77% |
| BRUMO 2025 | 92% |
| SMT 2025 2025년 Stanford Math Tournament의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 83% |
| CMIMC 2025 2025년 Canadian Mathematical Olympiad의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 69% |
댓글 (1)
Jacquie
27 1월 2026Digiturk paketler icinden size en uygun uyeligi kolayca secebilirsiniz. https://digiturkpaketler.com/kampanyalar