Η απόδοση του Deepseek-R1 στο σημείο αναφοράς AIME 2024 είναι αξιοσημείωτη, καθώς βαθμολογεί το 79,8%, ελαφρώς μπροστά από το OpenAi O1-1217, το οποίο επιτυγχάνει 79,2%[1]. Ωστόσο, υπάρχει περιορισμένη άμεση σύγκριση που διατίθεται μεταξύ Deepseek-R1 και GPT-4O-0513 ειδικά στο σημείο αναφοράς AIME 2024.
Τα μοντέλα GPT-4O είναι γενικά γνωστά για την ισχυρή απόδοση τους σε διάφορα καθήκοντα, αλλά συγκεκριμένα αποτελέσματα για το GPT-4O-0513 στο AIME 2024 δεν είναι λεπτομερώς στις διαθέσιμες πληροφορίες. Τα μοντέλα GPT-4O είναι συνήθως ισχυρά σε καθήκοντα κατανόησης και παραγωγής γλωσσών, αλλά η απόδοσή τους σε εξειδικευμένα σημεία αναφοράς μαθηματικών συλλογισμών, όπως το AIME, μπορεί να ποικίλει σε σύγκριση με τα μοντέλα που βελτιστοποιούνται ειδικά για τέτοιες εργασίες, όπως το DeepSeek-R1.
Η ισχυρή απόδοση του Deepseek-R1 στο AIME 2024 μπορεί να αποδοθεί στην αρχιτεκτονική του, η οποία ενσωματώνει τη μάθηση μεγάλης κλίμακας για την ενίσχυση των δυνατοτήτων λογικής. Αυτή η προσέγγιση του επιτρέπει να υπερέχει σε εργασίες που απαιτούν προηγμένη μαθηματική συλλογιστική πολλαπλών βημάτων [1] [3]. Αντίθετα, τα μοντέλα GPT-4O είναι πιο γενικευμένα και ενδέχεται να μην έχουν το ίδιο επίπεδο εξειδίκευσης σε καθήκοντα μαθηματικών συλλογισμών.
Συνολικά, ενώ το Deepseek-R1 καταδεικνύει ανώτερες επιδόσεις στο AIME 2024 σε σύγκριση με το OpenAI O1-1217, οι άμεσες συγκρίσεις με το GPT-4O-0513 δεν παρέχονται ρητά στα διαθέσιμα δεδομένα. Ωστόσο, η εξειδικευμένη κατάρτιση και η αρχιτεκτονική του Deepseek-R1 συμβάλλουν πιθανώς στην ισχυρή εμφάνισή της σε σημεία αναφοράς μαθηματικών συλλογισμών.
Αναφορές:
[1] https://www.datacamp.com/blog/deepseek-r1
[2] https://blog.getbind.co/2025/01/23/deepseek-r1-vs-gpt-o1-vs-claude-3-5-sonnet-hhich-best-for-coding/
[3] https://docsbot.ai/models/compare/gpt-4o-2024-05-13/deepseek-r1
[4] https://artificialanalysis.ai/models/deepseek-r1
[5] https://docsbot.ai/models/compare/deepseek-r1/gpt-4o
[6] https://llm-stats.com/models/compare/deepseek-r1-vs-gpt-4o-2024-08-06
[7] https://www.prompthub.us/blog/deepseek-r-1-model-overview-and-how-it-ranks-gainst-openais-o1
[8] https://docsbot.ai/models/compare/gpt-4o/deepseek-r1