DeepSeek-R1 yra 671B parametrų Mišrios ekspertų (MoE) modelis su 37B aktyvuotais parametrais per žodį, apmokytas didelio masto sustiprinto mokymosi, sutelkiant dėmesį į mąstymo gebėjimus. Jis apima dvi sustiprinto mokymosi stadijas, skirtas atrasti patobulintas mąstymo schemas ir suderinti su žmogaus pageidavimais, taip pat dvi SFT stadijas, skirtas pritaikyti mąstymo ir nemąstymo gebėjimus. Modelis pasiekia našumą, panašų į OpenAI-o1, matematikos, kodo ir mąstymo užduotyse.
Claude 3.7 Sonnet yra „Anthropic“ kol kas pažangiausias AI modelis ir pirmoji hibridinė samprotavimo sistema rinkoje. Jis siūlo standartinį ir išplėstinį mąstymo režimus, pastarasis teikia skaidrų, žingsnis po žingsnio samprotavimą. Modelis rodo didelį patobulėjimą kodinime ir front-end web programuote, pasiekdamas modernius rezultatus SWE-bench Verified ir TAU-bench testuose. Prieinamas per „Claude.ai“, „Anthropic API“, „Amazon Bedrock“ ir „Google Cloud Vertex AI“, jis nustato naują standartą intelektualiai AI varomai problemų sprendimui.
| DeepSeek-R1 | Claude 3.7 Sonnet - Extended Thinking | |
|---|---|---|
Internetinė svetainė
| ||
Tiekėjas
| ||
Pokalbiai
| ||
Išleidimo data
| ||
Modalumai
| tekstas | tekstas vaizdai |
API tiekėjai
| DeepSeek, HuggingFace | Claude.ai, Anthropic API, Amazon Bedrock, Google Cloud Vertex AI |
Žinių nutraukimo data
| Nežinoma | - |
Atvirojo kodo
| Taip | Ne |
Įvesties kaina
| $0.55 už milijoną žodžių | $3.00 už milijoną žodžių |
Išvesties kaina
| $2.19 už milijoną žodžių | $15.00 už milijoną žodžių |
MMLU
| 90.8% Pass@1 Šaltinis | Nėra prieinama |
MMLU-Pro
| 84% EM Šaltinis | Nėra prieinama |
MMMU
| - | 75% Šaltinis |
HellaSwag
| - | Nėra prieinama |
HumanEval
| - | Nėra prieinama |
MATH
| - | 96.2% Šaltinis |
GPQA
| 71.5% Pass@1 Šaltinis | 84.8% Diamond Šaltinis |
IFEval
| 83.3% Prompt Strict Šaltinis | 93.2% Šaltinis |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Mobilioji programa |
Compare AI. Test. Benchmarks. Mobiliosios pokalbių robotų programos, Sketch
Copyright © 2025 All Right Reserved.