DeepSeek-R1s ytelse på AIME 2024-referansen er bemerkelsesverdig, ettersom det scorer 79,8%, litt foran Openai O1-1217, som oppnår 79,2%[1]. Imidlertid er det begrenset direkte sammenligning tilgjengelig mellom DeepSeek-R1 og GPT-4O-0513 spesifikt på AIME 2024-målestokken.
GPT-4O-modeller er generelt kjent for sin robuste ytelse på tvers av forskjellige oppgaver, men spesifikke resultater for GPT-4O-0513 på AIME 2024 er ikke detaljert i tilgjengelig informasjon. GPT-4O-modeller er typisk sterke i språkforståelse og generasjonsoppgaver, men deres ytelse på spesialiserte matematiske resonnerende benchmarks som Aime kan variere sammenlignet med modeller som er spesielt optimalisert for slike oppgaver, som DeepSeek-R1.
DeepSeek-R1s sterke ytelse på AIME 2024 kan tilskrives arkitekturen, som inkluderer storstilt forsterkningslæring for å forbedre resonnementfunksjonene. Denne tilnærmingen gjør at den kan utmerke seg i oppgaver som krever avansert flertrinns matematisk resonnement [1] [3]. I kontrast er GPT-4O-modeller mer generaliserte og har kanskje ikke samme spesialiseringsnivå i matematiske resonnementoppgaver.
Totalt sett, mens DeepSeek-R1 demonstrerer overlegen ytelse på AIME 2024 sammenlignet med Openai O1-1217, er det ikke eksplisitt gitt direkte sammenligninger med GPT-4O-0513 i tilgjengelige data. Imidlertid bidrar DeepSeek-R1s spesialiserte trening og arkitektur sannsynligvis til det sterke showet i matematiske resonnerende benchmarks.
Sitasjoner:
[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-oNnet-which-is-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-odel-overview-and-how-it-ranks-ainst-openais-o1
[8] https://docsbot.ai/models/compare/gpt-4o/deepseek-r1
