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.
Протягом п'яти місяців з моменту випуску Qwen2-VL розробники створили нові моделі на його основі, надавши цінні відгуки. Тепер Qwen2.5-VL пропонує покращені можливості, включаючи точний аналіз зображень, текстів і діаграм, а також локалізацію об'єктів із структурованими виводами JSON. Він розуміє довгі відео, визначає ключові події та функціонує як агент, взаємодіючи з інструментами на комп'ютерах і телефонах. Архітектура моделі включає динамічну обробку відео та оптимізований кодувальник ViT для підвищення швидкості та точності.
| DeepSeek-R1 | Qwen2.5-VL-32B | |
|---|---|---|
Веб-сайт
| ||
Постачальник
| ||
Чат
| ||
Дата випуску
| ||
Модальності
| текст | текст зображення відео |
Постачальники API
| DeepSeek, HuggingFace | - |
Дата оновлення знань
| Невідомо | Невідомо |
Відкритий код
| Так | Так (Джерело) |
Вартість введення
| $0.55 за мільйон токенів | $0 |
Вартість виведення
| $2.19 за мільйон токенів | $0 |
MMLU
| 90.8% Pass@1 Джерело | 78.4% Джерело |
MMLU-Pro
| 84% EM Джерело | 49.5% |
MMMU
| - | 70% |
HellaSwag
| - | Недоступно |
HumanEval
| - | Недоступно |
MATH
| - | 82.2% |
GPQA
| 71.5% Pass@1 Джерело | 46.0% Diamond |
IFEval
| 83.3% Prompt Strict Джерело | Недоступно |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Мобільний додаток | - |
Compare AI. Test. Benchmarks. Чат-боти для мобільних застосунків, Sketch
Copyright © 2025 All Right Reserved.