Učinkovitost Deepseek-R1 na referenčni vrednosti AIME 2024 je opazna, saj doseže 79,8%, kar je nekoliko pred OpenAI O1-1217, kar dosega 79,2%[1]. Vendar pa je med Deepseek-R1 in GPT-4O-0513 na voljo omejena neposredna primerjava, posebej na referenčni vrednosti AIME 2024.
Modeli GPT-4O so na splošno znani po svojih močnih zmogljivostih pri različnih nalogah, vendar posebni rezultati za GPT-4O-0513 na AIME 2024 niso podrobno opisani v razpoložljivih informacijah. Modeli GPT-4O so običajno močni pri jezikovnih razumevanju in generacijskih nalogah, vendar se lahko njihova uspešnost na specializiranih merilih matematičnega sklepanja, kot je AIME, razlikujejo v primerjavi z modeli, posebej optimiziranimi za takšne naloge, kot je Deepseek-R1.
Močna uspešnost Deepseek-R1 na AIME 2024 lahko pripišemo njegovi arhitekturi, ki vključuje obsežno učenje okrepitve za izboljšanje zmogljivosti sklepanja. Ta pristop mu omogoča, da se odlikuje pri nalogah, ki zahtevajo napredno večstopenjsko matematično sklepanje [1] [3]. V nasprotju s tem so modeli GPT-4O bolj posplošeni in morda nimajo enake stopnje specializacije pri nalogah matematičnega sklepanja.
Na splošno, medtem ko Deepseek-R1 prikazuje vrhunsko zmogljivost na AIME 2024 v primerjavi z OpenAI O1-1217, neposredne primerjave z GPT-4O-0513 niso izrecno navedene v razpoložljivih podatkih. Vendar pa specializirano usposabljanje in arhitektura Deepseek-R1 verjetno prispevata k močnemu prikazovanju pri meritvah matematičnega sklepanja.
Navedbe:
[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-which-shis-best-for-coding/
[3] https://docsbot.ai/models/compare/gpt-4O-2024-05-13/deepseek-r1
[4] https://artifialanalysis.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-against-Openais-o1
[8] https://docsbot.ai/models/compare/gpt-4o/deepseek-r1