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.
Amazon Nova Micro to model tekstowy zoptymalizowany pod kątem kosztów i szybkości. Dzięki oknu kontekstu wynoszącemu 128K tokenów, doskonale sprawdza się w zadaniach takich jak podsumowywanie tekstu, tłumaczenie, interaktywna czat oraz podstawowe programowanie. Wydany jako część modeli podstawowych Amazon Nova, wspiera dostrajanie i destylację w celu dostosowania do danych własnych.
| DeepSeek-R1 | Nova Micro | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst | tekst |
Dostawcy API
| DeepSeek, HuggingFace | Amazon Bedrock |
Data ostatniej aktualizacji wiedzy
| Nieznane | Celowo nieujawnione |
Open Source
| Tak | Nie |
Cena za wejście
| $0.55 za milion tokenów | $0.04 za milion tokenów |
Cena za wyjście
| $2.19 za milion tokenów | $0.14 za milion tokenów |
MMLU
| 90.8% Pass@1 Źródło | 77.6% CoT Źródło |
MMLU-Pro
| 84% EM Źródło | - |
MMMU
| - | - |
HellaSwag
| - | - |
HumanEval
| - | 81.1% pass@1 Źródło |
MATH
| - | 69.3% CoT Źródło |
GPQA
| 71.5% Pass@1 Źródło | 40% Main Źródło |
IFEval
| 83.3% Prompt Strict Źródło | 87.2% Źródło |
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