DeepSeek-R1 to model typu Mixture-of-Experts (MoE) o 671B parametrach, z 37B aktywowanymi parametrami na token, szkolony za pomocą szeroko zakrojonego uczenia ze wzmocnieniem z naciskiem na zdolności rozumowania. Model ten obejmuje dwa etapy RL w celu odkrywania ulepszonych wzorców rozumowania i dostosowania do preferencji ludzkich, a także dwa etapy SFT do rozwijania zdolności rozumowania i innych umiejętności. Model osiąga wydajność porównywalną z OpenAI-o1 w zadaniach matematycznych, programistycznych i związanych z rozumowaniem.
LLaMA 4 Scout to model o 17 miliardach parametrów wykorzystujący architekturę Mixture-of-Experts z 16 aktywnymi ekspertami, co czyni go czołowym modelem multimodalnym w swojej kategorii. Regularnie przewyższa konkurentów takich jak Gemma 3, Gemini 2.0 Flash-Lite i Mistral 3.1 w różnych zadaniach testowych. Pomimo swojej wydajności, LLaMA 4 Scout jest wyjątkowo efektywny — może działać na pojedynczym GPU NVIDIA H100 z kwantyzacją Int4. Dodatkowo oferuje wiodące w branży okno kontekstowe o długości 10 milionów tokenów i jest natywnie multimodalny, umożliwiając płynne przetwarzanie tekstu, obrazów i wideo w zaawansowanych zastosowaniach rzeczywistych.
| DeepSeek-R1 | Llama 4 Scout | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst | tekst obrazy wideo |
Dostawcy API
| DeepSeek, HuggingFace | Meta AI, Hugging Face, Fireworks, Together, DeepInfra |
Data ostatniej aktualizacji wiedzy
| Nieznane | 2025-04 |
Open Source
| Tak | Tak (Źródło) |
Cena za wejście
| $0.55 za milion tokenów | Niedostępne |
Cena za wyjście
| $2.19 za milion tokenów | Niedostępne |
MMLU
| 90.8% Pass@1 Źródło | Niedostępne |
MMLU-Pro
| 84% EM Źródło | 74.3% Reasoning & Knowledge Źródło |
MMMU
| - | 69.4% Image Reasoning Źródło |
HellaSwag
| - | Niedostępne |
HumanEval
| - | Niedostępne |
MATH
| - | Niedostępne |
GPQA
| 71.5% Pass@1 Źródło | 57.2% Diamond Źródło |
IFEval
| 83.3% Prompt Strict Źródło | Niedostępne |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplikacja mobilna | - | |
MathArena | ||
| Średni wynik | 82% | - |
AIME 2025 Test oparty na zadaniach z konkursu matematycznego (American Invitational Mathematics Examination),mający na celu sprawdzenie umiejętności matematycznych modeli. | 89% | - |
HMMT February 2025 Test oparty na zadaniach z Harvard-MIT Mathematics Tournament, luty 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | 77% | - |
BRUMO 2025 | 92% | - |
SMT 2025 Test oparty na zadaniach z Stanford Math Tournament, 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | 83% | - |
CMIMC 2025 Test oparty na zadaniach z Canadian Mathematical Olympiad, 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | 69% | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2026 All Right Reserved.
Komentarze (1)
Jacquie
27 Styczeń 2026Digiturk paketler icinden size en uygun uyeligi kolayca secebilirsiniz. https://digiturkpaketler.com/kampanyalar