DeepSeek-R1 is een Mixture-of-Experts (MoE)-model met 671B parameters en 37B geactiveerde parameters per token, getraind via grootschalige reinforcement learning met een focus op redeneervaardigheden. Het omvat twee RL-fasen voor het ontdekken van verbeterde redeneerpatronen en afstemming op menselijke voorkeuren, evenals twee SFT-fasen voor het ontwikkelen van redeneer- en niet-redeneervaardigheden. Het model bereikt prestaties die vergelijkbaar zijn met OpenAI-o1 op het gebied van wiskunde, code en redeneertaken.
Llama 3.3 70B Instruct, ontwikkeld door Meta, is een meertalig groot taalmodel dat specifiek is afgestemd op instructiegebaseerde taken en geoptimaliseerd voor conversatietoepassingen. Het kan tekst in meerdere talen verwerken en genereren, met een contextvenster dat tot 128.000 tokens ondersteunt. Gelanceerd op 6 december 2024, overtreft het model talrijke open-source en propriëtaire chatmodellen in verschillende branchebenchmarks. Het maakt gebruik van Grouped-Query Attention (GQA) om de schaalbaarheid te verbeteren en is getraind op een diverse dataset van meer dan 15 biljoen tokens uit openbaar beschikbare bronnen. De kennis van het model is actueel tot december 2023.
| DeepSeek-R1 | Llama 3.3 70B Instruct | |
|---|---|---|
Website
| ||
Aanbieder
| ||
Chat
| ||
Releasedatum
| ||
Modaliteiten
| tekst | tekst |
API-Aanbieders
| DeepSeek, HuggingFace | Fireworks, Together, DeepInfra, Hyperbolic |
Kennisafsluitdatum
| Onbekend | 12.2024 |
Open Source
| Ja | Ja |
Prijzen Invoer
| $0.55 per miljoen tokens | $0.23 per miljoen tokens |
Prijzen Uitvoer
| $2.19 per miljoen tokens | $0.40 per miljoen tokens |
MMLU
| 90.8% Pass@1 Bron | 86% 0-shot, CoT Bron |
MMLU-Pro
| 84% EM Bron | 68.9% 5-shot, CoT Bron |
MMMU
| - | Niet beschikbaar |
HellaSwag
| - | Niet beschikbaar |
HumanEval
| - | 88.4% pass@1 Bron |
MATH
| - | 77% 0-shot, CoT Bron |
GPQA
| 71.5% Pass@1 Bron | 50.5% 0-shot, CoT Bron |
IFEval
| 83.3% Prompt Strict Bron | 92.1% Bron |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Mobiele applicatie | - | |
MathArena | ||
| Gemiddelde score | 82% | - |
AIME 2025 Test gebaseerd op opgaven uit de wiskundewedstrijd (American Invitational Mathematics Examination),bedoeld om de wiskundige vaardigheden van modellen te testen. | 89% | - |
HMMT February 2025 Test gebaseerd op opgaven van het Harvard-MIT Mathematics Tournament, februari 2025, bedoeld om de wiskundige vaardigheden van modellen te testen. | 77% | - |
BRUMO 2025 | 92% | - |
SMT 2025 Test gebaseerd op opgaven van het Stanford Math Tournament, 2025, bedoeld om de wiskundige vaardigheden van modellen te testen. | 83% | - |
CMIMC 2025 Test gebaseerd op opgaven van de Canadian Mathematical Olympiad, 2025, bedoeld om de wiskundige vaardigheden van modellen te testen. | 69% | - |
Compare AI. Test. Benchmarks. Mobiele Chatbot-apps, Sketch
Copyright © 2026 All Right Reserved.
Reacties (1)
Jacquie
27 Januari 2026Digiturk paketler icinden size en uygun uyeligi kolayca secebilirsiniz. https://digiturkpaketler.com/kampanyalar