Навыки кодирования R1 и V3 Deepseek

Представляем DeepSeek: Новый игрок на арене ИИ

DeepSeek ворвался на сцену в минувшие выходные, привлекая внимание по всему миру по трем убедительным причинам:

• Это чат-бот с ИИ из Китая, что заметно отличается от привычных предложений из США.
• Он имеет открытый исходный код, что имеет большое значение в технологическом сообществе.
• Он работает на значительно меньшей инфраструктуре, чем его крупные конкуренты, что делает его интересным вариантом для многих.

Хотя пристальное внимание правительства США к TikTok и возможное участие китайского правительства в его коде вызвало вопросы, появление DeepSeek из Китая естественно привлекает аналогичное внимание. Однако мы здесь не обсуждаем политику. Вместо этого давайте разберемся, как DeepSeek V3 и DeepSeek R1 сравниваются с другими моделями ИИ в задачах программирования.

Согласно собственным рекомендациям DeepSeek:

• Выбирайте V3 для задач, требующих глубины и точности, например, для решения сложных математических задач или создания сложного кода.
• Выбирайте R1, когда нужны быстрые приложения с большим объемом, такие как автоматизация службы поддержки клиентов или базовая обработка текста.

Вы можете переключаться между R1 и V3 с помощью небольшой кнопки в интерфейсе чата. Если она синяя, вы используете R1.

Итак, как они справились? Обе модели показали потенциал, но не были безупречны. Давайте рассмотрим результаты.

Тест 1: Создание плагина для WordPress

Мой первый тест, вдохновленный потребностью моей жены в плагине для WordPress для управления устройством вовлеченности для ее онлайн-группы, является классическим. Плагин должен был принимать список имен, сортировать их и гарантировать, что дубликаты не находятся рядом. Я бросал этот вызов множеству ИИ, и это сложная задача.

DeepSeek V3 справился идеально, создав пользовательский интерфейс и программную логику, которые полностью соответствовали заданию. R1 выбрал другой подход, предоставив целых 4502 слова анализа перед тем, как поделиться кодом. Интерфейс был более широким, но и интерфейс, и логика работали, так что R1 тоже прошел.

На данный момент обе модели, V3 и R1, прошли один из четырех тестов.

Тест 2: Переписывание функции обработки строк

Пользователь столкнулся с проблемой ввода долларов и центов в поле для пожертвований, что мой исходный код не позволял. Задача состояла в том, чтобы модифицировать функцию для поддержки обоих. DeepSeek создал рабочий код, но есть над чем работать.

Код V3 был слишком длинным и повторяющимся, в то время как рассуждения R1 перед генерацией кода также были многословными. Обе модели проверяли до двух знаков после запятой, но плохо справлялись с очень большими числами. Использование R1 конверсии JavaScript Number без проверки крайних случаев могло привести к сбоям.

Интересно, что R1 предоставил хороший список тестовых случаев:

Я отдаю победу V3, потому что его код не вызовет сбоев и даст ожидаемые результаты. R1 проваливается из-за возможных сбоев при нестроковых входных данных. Это две победы из четырех для V3 и одна для R1.

Тест 3: Поиск досадной ошибки

Этот тест возник из-за ошибки, которую я с трудом нашел. Проблема заключалась в том, что очевидный ответ, основанный на сообщении об ошибке, был неверным, что часто сбивает ИИ с толку. Для решения требуется понимание вызовов API WordPress, способность видеть за пределами сообщения об ошибке и точное определение ошибки.

И V3, и R1 прошли этот тест с почти идентичными ответами, что дало V3 три победы из четырех, а R1 — две из четырех. DeepSeek уже превосходит Gemini, Copilot, Claude и Meta.

Тест 4: Создание скрипта

Этот тест сложный, поскольку включает три окружения: AppleScript, объектную модель Chrome и Keyboard Maestro. ChatGPT справился с этим на ура, но DeepSeek V3 и R1 не оправдали ожиданий. Ни одна из моделей не поняла необходимости разделения задач между Keyboard Maestro и Chrome, а их знания AppleScript были слабыми.

R1 сделал неверные предположения, например, что переднее окно всегда существует и что активной программой всегда будет Chrome. В итоге V3 прошел три теста и провалил один, а R1 прошел два теста и провалил два.

Заключительные мысли

Настойчивость DeepSeek в использовании публичной облачной почты, такой как Gmail, вместо моего корпоративного домена, была раздражающей. Также были проблемы с отзывчивостью, из-за которых тестирование заняло больше времени, чем ожидалось.

Изначально я столкнулся с трудностями при регистрации из-за этой ошибки:

Онлайн-сервисы DeepSeek недавно подверглись масштабным злонамеренным атакам. Чтобы обеспечить продолжение работы сервиса, регистрация временно ограничена номерами телефонов с кодом +86. Существующие пользователи могут входить как обычно. Спасибо за понимание и поддержку.

После входа я смог провести тесты. DeepSeek склонен к многословности в своем коде. AppleScript в тесте 4 был одновременно неверным и излишне длинным. Регулярное выражение в тесте 2 могло быть более удобным для поддержки, хотя V3 справился правильно.

Я впечатлен тем, что V3 превзошел Gemini, Copilot и Meta, но он все еще на уровне старого GPT-3.5, что говорит о потенциале для роста. Производительность R1 разочаровала. Если выбирать, я бы остановился на ChatGPT для помощи в программировании.

Тем не менее, для нового инструмента, работающего на значительно меньшей инфраструктуре, DeepSeek определенно заслуживает внимания.

Что вы думаете? Пробовали ли вы DeepSeek? Используете ли вы какие-либо ИИ для поддержки программирования? Дайте нам знать в комментариях ниже.

Следите за моими ежедневными обновлениями проектов в социальных сетях, подпишитесь на мою еженедельную рассылку и свяжитесь со мной на Twitter/X по адресу @DavidGewirtz, на Facebook по адресу Facebook.com/DavidGewirtz, на Instagram по адресу Instagram.com/DavidGewirtz, на Bluesky по адресу @DavidGewirtz.com и на YouTube по адресу YouTube.com/DavidGewirtzTV.