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 4 Scout is een model met 17 miljard parameters dat gebruikmaakt van een Mixture-of-Experts-architectuur met 16 actieve experts en zich daarmee positioneert als het toonaangevende multimodale model in zijn klasse. Het presteert consequent beter dan concurrenten zoals Gemma 3, Gemini 2.0 Flash-Lite en Mistral 3.1 op uiteenlopende benchmarktaken. Ondanks zijn prestaties is LLaMA 4 Scout opmerkelijk efficiënt – het kan draaien op één NVIDIA H100 GPU met Int4-kwantisatie. Het beschikt ook over een toonaangevend contextvenster van 10 miljoen tokens en is van nature multimodaal, wat zorgt voor naadloze verwerking van tekst-, beeld- en video-invoer voor geavanceerde toepassingen in de echte wereld.
| DeepSeek-R1 | Llama 4 Scout | |
|---|---|---|
Website
| ||
Aanbieder
| ||
Chat
| ||
Releasedatum
| ||
Modaliteiten
| tekst | tekst afbeeldingen video |
API-Aanbieders
| DeepSeek, HuggingFace | Meta AI, Hugging Face, Fireworks, Together, DeepInfra |
Kennisafsluitdatum
| Onbekend | 2025-04 |
Open Source
| Ja | Ja (Bron) |
Prijzen Invoer
| $0.55 per miljoen tokens | Niet beschikbaar |
Prijzen Uitvoer
| $2.19 per miljoen tokens | Niet beschikbaar |
MMLU
| 90.8% Pass@1 Bron | Niet beschikbaar |
MMLU-Pro
| 84% EM Bron | 74.3% Reasoning & Knowledge Bron |
MMMU
| - | 69.4% Image Reasoning Bron |
HellaSwag
| - | Niet beschikbaar |
HumanEval
| - | Niet beschikbaar |
MATH
| - | Niet beschikbaar |
GPQA
| 71.5% Pass@1 Bron | 57.2% Diamond Bron |
IFEval
| 83.3% Prompt Strict Bron | Niet beschikbaar |
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