DeepSeek-R1 — це модель з 671B параметрів, побудована на архітектурі Mixture-of-Experts (MoE),з 37B активованих параметрів на токен. Вона навчалась за допомогою масштабного навчання з підкріпленням із акцентом на розвиток навичок міркування. Модель включає два етапи RL для виявлення покращених шаблонів міркування та відповідності людським уподобанням, а також два етапи SFT для закладання основ міркувальних та неміркувальних здібностей. Модель демонструє продуктивність, порівнянну з OpenAI-o1, у завданнях з математики, програмування та міркування.
Веб-сайт Веб-сторінка моделі ШІ | |
Постачальник Організація, яка надає цю модель. | |
Чат Введіть повідомлення, щоб почати спілкування | - |
Дата випуску Дата першого випуску моделі. | 1 рік ago Січ 21, 2025 |
Модальності Типи даних, які може обробляти ця модель | текст |
Постачальники API Постачальники, які пропонують цю модель. (Це не вичерпний список.) | DeepSeek, HuggingFace |
Дата оновлення знань Дата останнього оновлення знань моделі. | Невідомо |
Відкритий код Чи доступний код моделі для публічного використання. | Так |
Вартість введення Вартість обробки токенів у ваших запитах | $0.55 за мільйон токенів |
Вартість виведення Вартість токенів, згенерованих моделлю | $2.19 за мільйон токенів |
MMLU Massive Multitask Language Understanding - Тестує знання з 57 предметів, включаючи математику, історію, право та інше | 90.8% Pass@1 Джерело |
MMLU-Pro Більш надійний тест MMLU із складнішими питаннями, орієнтованими на міркування, більшим набором варіантів і зменшеною чутливістю до запитів | 84% EM Джерело |
MMMU Massive Multitask Multimodal Understanding - Тестує розуміння тексту, зображень, аудіо та відео | - |
HellaSwag Складний тест на завершення речень | - |
HumanEval Оцінює можливості генерації коду та вирішення задач | - |
MATH Тестує математичні навички вирішення задач різного рівня складності | - |
GPQA Тестує знання на рівні PhD з хімії, біології та фізики через багатозначні питання, що вимагають глибоких знань у галузі | 71.5% Pass@1 Джерело |
IFEval Тестує здатність моделі точно дотримуватися явних інструкцій щодо форматування, генерувати відповідні результати та підтримувати послідовне дотримання інструкцій у різних завданнях | 83.3% Prompt Strict Джерело |
SimpleQA Оцінка точності простих запитань | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Багатомовний програмний бенчмарк. | - |
LiveCodeBench v5 Бенчмарк для програмування в реальному часі | - |
Global MMLU (Lite) Спрощена версія бенчмарку для оцінки універсальності моделей на глобальному рівні. | - |
MathVista Оцінює математичні здібності ШІ моделей у візуальних контекстах | - |
Мобільний додаток | |
MathArena | |
| Середній бал | 82% |
| AIME 2025 Тест, заснований на завданнях з конкурсу з математики (American Invitational Mathematics Examination),призначений для перевірки математичних навичок моделей. | 89% |
| HMMT February 2025 Тест, заснований на завданнях з Harvard-MIT Mathematics Tournament, лютий 2025 року, призначений для перевірки математичних навичок моделей. | 77% |
| BRUMO 2025 | 92% |
| SMT 2025 Тест, заснований на завданнях зі Stanford Math Tournament, 2025 року, призначений для перевірки математичних навичок моделей. | 83% |
| CMIMC 2025 Тест, заснований на завданнях з Canadian Mathematical Olympiad, 2025 року, призначений для перевірки математичних навичок моделей. | 69% |
Compare AI. Test. Benchmarks. Чат-боти для мобільних застосунків, Sketch
Copyright © 2026 All Right Reserved.
Коментарі (1)
Jacquie
27 Січень 2026Digiturk paketler icinden size en uygun uyeligi kolayca secebilirsiniz. https://digiturkpaketler.com/kampanyalar