DeepSeek-R1
671B
Modellparametermenge
DeepSeek
Angehörige Organisation
Open Source
Lizenztyp
20. Januar 2025
Freigabezeit
Verwandte Personen
Modelleinführung
DeepSeek-R1 ist ein Modell, das durch große Skalen von verstärktem Lernen (RL) trainiert wurde und keine Überwachte Feinabstimmung (SFT) als ersten Schritt verwendet hat. Seine Leistung in Mathematik, Codierung und Deduktionsaufgaben ist mit der von OpenAI-o1 vergleichbar.
Umfassende Punktzahl
Sprachdialog
Wissensreserve
Argumentationsvereinigung
Mathematische Berechnung
Code schreiben
Befehlsschließend
Nach links und rechts swipen, um mehr anzuzeigen
Sprachverständnisfähigkeit
In der Lage, komplexe Kontexte zu verstehen und logisch kohärente Sätze zu erzeugen, obwohl sie gelegentlich in der Tonkontrolle ausgeschaltet werden.
7.8
Wissensabdeckung
Besitzt Kernwissen über Mainstream-Disziplinen, hat jedoch nur eine begrenzte Abdeckung der modernen interdisziplinären Bereiche.
8.9
Argumentationsfähigkeit
In der Lage, logische Rahmenbedingungen auf mehreren Ebenen aufzubauen und über eine Genauigkeit von über 99% in der komplexen mathematischen Modellierung zu erreichen.
9.1
Modellvergleich
DeepSeek-R1 vs Qwen2.5-7B-Instruct
Genau wie Qwen2 unterstützen die Qwen2.5-Sprachmodelle bis zu 128K Tokens und können bis zu 8K Tokens generieren. Sie unterstützen auch die Mehrsprachigkeit für über 29 Sprachen, darunter Chinesisch, Englisch, Französisch, Spanisch, Portugiesisch, Deutsch, Italienisch, Russisch, Japanisch, Koreanisch, Vietnamesisch, Thailändisch, Arabisch und mehr.
DeepSeek-R1 vs GPT-4o-mini-20240718
GPT-4o-mini ist ein API-Modell, das von OpenAI erstellt wurde, mit der spezifischen Versionsnummer gpt-4o-mini-2024-07-18.
DeepSeek-R1 vs GPT-4o-mini-20240718
GPT-4o-mini ist ein API-Modell, das von OpenAI erstellt wurde, wobei die spezifische Versionsnummer gpt-4o-mini-2024-07-18 beträgt.
DeepSeek-R1 vs Gemini-2.5-Pro-Preview-05-06
Gemini 2.5 Pro ist ein Modell, das von der Google DeepMind-Künstliche-Intelligenz-Forschungsabteilung veröffentlicht wurde und die Versionsnummer Gemini-2.5-Pro-Preview-05-06 verwendet.
DeepSeek-R1 vs DeepSeek-V2-Chat-0628
DeepSeek-V2 ist ein starkes Mixture-of-Experts (MoE)-Sprachmodell, das durch kostengünstiges Training und effizientes Inferenz gekennzeichnet ist. Es besteht aus insgesamt 236 Billionen Parametern, wovon für jeden Token 21 Milliarden aktiviert sind. Im Vergleich zum DeepSeek 67B erreicht DeepSeek-V2 stärkere Leistungsmerkmale, spart dabei 42,5 % der Trainingskosten, reduziert das KV-Cache um 93,3 % und steigert die maximale Generierungsdurchsatz bis zu 5,76-mal.
Verwandter Modell
DeepSeek-V3-0324
DeepSeek-V3 übertrifft andere Open-Source-Modelle wie Qwen2.5-72B und Llama-3.1-405B in mehreren Bewertungen und erreicht die Leistung von erstklassigen Closed-Source-Modellen wie GPT-4 und Claude-3.5-Sonnet.
DeepSeek-R1-0528
Die neueste Version von Deepseek R1.
DeepSeek-V2-Chat-0628
DeepSeek-V2 ist ein starkes Mixture-of-Experts (MoE)-Sprachmodell, das durch kostengünstiges Training und effizientes Inferenz gekennzeichnet ist. Es besteht aus insgesamt 236 Billionen Parametern, wovon für jeden Token 21 Milliarden aktiviert sind. Im Vergleich zum DeepSeek 67B erreicht DeepSeek-V2 stärkere Leistungsmerkmale, spart dabei 42,5 % der Trainingskosten, reduziert das KV-Cache um 93,3 % und steigert die maximale Generierungsdurchsatz bis zu 5,76-mal.
DeepSeek-V2.5
DeepSeek-V2.5 ist eine aktualisierte Version, die DeepSeek-V2-Chat und DeepSeek-Coder-V2-Instruct kombiniert. Das neue Modell integriert die allgemeinen und Codierungsfähigkeiten der beiden vorherigen Versionen.
DeepSeek-V3-0324
DeepSeek-V3 übertrifft in mehreren Evaluierungen andere Open-Source-Modelle wie Qwen2.5-72B und Llama-3.1-405B und entspricht dem Leistungsniveau oberhalb geschlossener Modelle wie GPT-4 und Claude-3.5-Sonnet.
Relevante Dokumente
US-Senat streicht KI-Moratorium aus Haushaltsgesetz inmitten von Kontroversen
Senat hebt Moratorium für KI-Regulierung mit überwältigender Mehrheit aufIn einem seltenen Akt parteiübergreifender Einigkeit stimmten die US-Gesetzgeber am Dienstag fast einstimmig für die Aufhebun
Warum AI bei den Überschwemmungen in Texas 2025 versagt hat: Wichtige Lektionen für den Katastrophenschutz
Hier ist die überarbeitete Version:Die Überschwemmungen in Texas im Jahr 2025: Ein WeckrufIm Juli 2025 kam es in Texas zu katastrophalen Überschwemmungen, die entscheidende Lücken in der Katastrophenv
Letzte Chance, vergünstigte Tickets für die TechCrunch Sessions zu erhalten: AI-Veranstaltung morgen
Dies ist nicht nur eine weitere Tech-Konferenz - in der Zellerbach Hall der UC Berkeley findet die wichtigste KI-Veranstaltung des Jahres statt. Wenn sich morgen die Türen öffnen, werden Sie zu der au
KI-gestützte Newsletter-Automatisierungsanleitung: Optimieren Sie Ihren Workflow mit Leichtigkeit
Hier ist meine Neufassung des HTML-Inhalts unter strikter Beibehaltung aller ursprünglichen Tags und Strukturen:Schlüsselpunkte Einrichten eines automatisierten Newsletter-Workflows unter Verwendung v
Hawaiianische Strand-Eskapaden: Neue Bindungen und überraschende Wendungen
Stellen Sie sich vor, Sie liegen an einem unberührten hawaiianischen Strand, die Sonne wärmt Ihre Haut, die Wellen erzeugen einen beruhigenden Rhythmus. Für Josh wurde diese Vision nach Jahren der Hi
