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.
OpenAI o4-mini — це найновіша легка модель у серії o, розроблена для ефективного та потужного аналізу текстових та візуальних завдань. Оптимізована для швидкості та продуктивності, вона відмінно справляється з генерацією коду та аналізом зображень, зберігаючи баланс між затримкою та глибиною аналізу. Модель підтримує контекстне вікно у 200 000 токенів з виведенням до 100 000 токенів, що робить її придатною для тривалих та об’ємних взаємодій. Вона обробляє як текстові, так і графічні вхідні дані, видаючи текстові результати з розширеними аналітичними можливостями. Завдяки компактній архітектурі та універсальній продуктивності o4-mini ідеально підходить для широкого спектру реальних додатків, що вимагають швидкого та економічно ефективного інтелекту.
| DeepSeek-R1 | o4-mini | |
|---|---|---|
Веб-сайт
| ||
Постачальник
| ||
Чат
| ||
Дата випуску
| ||
Модальності
| текст | текст зображення |
Постачальники API
| DeepSeek, HuggingFace | OpenAI API |
Дата оновлення знань
| Невідомо | - |
Відкритий код
| Так | Ні |
Вартість введення
| $0.55 за мільйон токенів | $1.10 за мільйон токенів |
Вартість виведення
| $2.19 за мільйон токенів | $4.40 за мільйон токенів |
MMLU
| 90.8% Pass@1 Джерело | fort |
MMLU-Pro
| 84% EM Джерело | - |
MMMU
| - | 81.6% Джерело |
HellaSwag
| - | - |
HumanEval
| - | 14.28% Джерело |
MATH
| - | - |
GPQA
| 71.5% Pass@1 Джерело | 81.4% Джерело |
IFEval
| 83.3% Prompt Strict Джерело | - |
SimpleQA
| - | - |
AIME 2024 | - | 93.4% Джерело |
AIME 2025 | - | 92.7% Джерело |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Мобільний додаток | ||
MathArena | ||
| Середній бал | 82% | 87% |
AIME 2025 Тест, заснований на завданнях з конкурсу з математики (American Invitational Mathematics Examination),призначений для перевірки математичних навичок моделей. | 89% | 92% |
HMMT February 2025 Тест, заснований на завданнях з Harvard-MIT Mathematics Tournament, лютий 2025 року, призначений для перевірки математичних навичок моделей. | 77% | 83% |
BRUMO 2025 | 92% | 87% |
SMT 2025 Тест, заснований на завданнях зі Stanford Math Tournament, 2025 року, призначений для перевірки математичних навичок моделей. | 83% | 89% |
CMIMC 2025 Тест, заснований на завданнях з Canadian Mathematical Olympiad, 2025 року, призначений для перевірки математичних навичок моделей. | 69% | 84% |
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