A DeepSeek-R1 teljesítménye az AIME 2024 referenciaértékén figyelemre méltó, mivel 79,8%-ot eredményez, kissé meghaladja az Openai O1-1217-et, amely 79,2%-ot ér el [1]. Ugyanakkor korlátozott közvetlen összehasonlítás áll rendelkezésre a DeepSeek-R1 és a GPT-4O-0513 között, kifejezetten az AIME 2024 referenciaértékén.
A GPT-4O modellek általában ismertek a különféle feladatok robusztus teljesítményéről, de a GPT-4O-0513 specifikus eredményei az AIME 2024-en nem részletezik a rendelkezésre álló információkat. A GPT-4O modellek általában erősek a nyelvi megértésben és a generációs feladatokban, ám a speciális matematikai érvelési referenciaértékekkel kapcsolatos teljesítményük az, mint az aime, az ilyen feladatokhoz kifejezetten optimalizált modellekhez képest változhat, mint például a DeepSeek-R1.
A DeepSeek-R1 erőteljes teljesítménye az AIME 2024-en tulajdonítható annak építészetének, amely magában foglalja a nagyszabású megerősítés tanulását az érvelési képességek javítása érdekében. Ez a megközelítés lehetővé teszi, hogy kiemelkedjen a fejlett többlépcsős matematikai érvelést igénylő feladatokban [1] [3]. Ezzel szemben a GPT-4O modellek általánosabbak, és valószínűleg nem rendelkeznek azonos szintű specializációval a matematikai érvelési feladatokban.
Összességében, míg a DeepSeek-R1 kiváló teljesítményt mutat az AIME 2024-en az OpenAI O1-1217-hez képest, a GPT-4O-0513-tal való közvetlen összehasonlításokat nem tartalmazza kifejezetten a rendelkezésre álló adatokban. A DeepSeek-R1 speciális képzése és építészete azonban valószínűleg hozzájárul a matematikai érvelési referenciaértékekben való erőteljes bemutatásához.
Idézetek:
[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-nonnet-wich-s-for-coding/
[3] https://docsbot.ai/models/compare/gpt-4o-2024-05-13/deepseek-R1
[4] https://articialanalysis.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--model-overview-and-how-it-tanks-against-openais-o1
[8] https://docsbot.ai/models/compare/gpt-4o/deepseek-r1