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.
W ciągu pięciu miesięcy od wydania Qwen2-VL deweloperzy zbudowali na jego podstawie nowe modele, dostarczając cennych opinii. Teraz Qwen2.5-VL wprowadza ulepszone możliwości, w tym precyzyjną analizę obrazów, tekstów i wykresów oraz lokalizację obiektów ze strukturalnymi wynikami JSON. Rozumie długie filmy, identyfikuje kluczowe wydarzenia i działa jako agent, współpracujący z narzędziami na komputerach i telefonach. Architektura modelu obejmuje dynamiczne przetwarzanie wideo i zoptymalizowany enkoder ViT dla lepszej szybkości i dokładności.
| DeepSeek-R1 | Qwen2.5-VL-32B | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst | tekst obrazy wideo |
Dostawcy API
| DeepSeek, HuggingFace | - |
Data ostatniej aktualizacji wiedzy
| Nieznane | Nieznane |
Open Source
| Tak | Tak (Źródło) |
Cena za wejście
| $0.55 za milion tokenów | $0 |
Cena za wyjście
| $2.19 za milion tokenów | $0 |
MMLU
| 90.8% Pass@1 Źródło | 78.4% Źródło |
MMLU-Pro
| 84% EM Źródło | 49.5% |
MMMU
| - | 70% |
HellaSwag
| - | Niedostępne |
HumanEval
| - | Niedostępne |
MATH
| - | 82.2% |
GPQA
| 71.5% Pass@1 Źródło | 46.0% Diamond |
IFEval
| 83.3% Prompt Strict Źródło | Niedostępne |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplikacja mobilna | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.