Palyginus „Deepseek-R1“ ir „GPT-4O-0513“ veikimą „Codeforces“ etalone, atsiranda keli pagrindiniai skirtumai:
1. „Codeforces“ įvertinimas: „DeepSeeek-R1“ pasiekia 2029 m. „Codeforces“ reitingą, kuris yra žymiai didesnis nei GPT-4O-0513 759 įvertinimas. Tai rodo, kad „DeepSeeek-R1“ veikia daug geriau konkurencingose kodavimo užduotyse, parodant stipresnius algoritminius pagrindus ir kodavimo galimybes [2] [5].
2. „Codeforces“ procentilė: „Deepseek-R1“ sudaro 96,3%procentilį, atspindėdamas aukštą jo dalyvių būklę. Priešingai, GPT-4o-0513 siekia tik 23,6%procentilį, pabrėžiant didelę jų santykinio efektyvumo lygio atotrūkį [2] [5].
3. Bendras našumas: Aukštesnis „Deepseek-R1“ įvertinimas ir procentilis rodo, kad jis labiau įgudo išspręsti sudėtingus kodavimo iššūkius ir prisitaikyti prie konkurencinės kodeforų aplinkos. GPT-4O-0513, nors ir gali neatitikti „Deepseeek-R1“ įgūdžių lygio šioje srityje.
4. Kaina ir efektyvumas: Pastebima, kad GPT-4o yra maždaug 4,6 karto brangesnės nei „Deepseek-R1“ įvesties ir išvesties žetonams, o tai gali būti reikšmingas veiksnys vartotojams, teikiantiems prioritetą ekonominiam efektyvumui [3].
Apibendrinant galima pasakyti, kad „Deepseek-R1“ pralenkia GPT-4O-0513 „Codeforces“ etaloną didele marža tiek reitingo, tiek procentilio prasme. Tai daro „Deepseeek-R1“ veiksmingesnį pasirinkimą užduotims, kurioms reikalingas stiprus kodavimas ir algoritminiai samprotavimai.
Citatos:
[1] https://ithy.com/article/openai-o1-vs-o3-benchmark-analysis-zy5f3bwj
[2] https://blog.getbind.co/2025/01/23/deepseek-r1-vs-gpt-o1-vs-caudaude-3-5-sonnet- which-iis-best-for-coding/
[3] https://docsbot.ai/models/compare/deepseek-r1/gpt-4o
[4] https://www.datacamp.com/blog/deepseek-r1
[5] https://huggingface.co/deepseek-ai/deepseek-r1-distill-qwen-1.5b
[6] https://www.reddit.com/r/localllama/comments/1hr56e3/notes_on_deepseek_v3_is_it_try_better_than/
[7] https://codeforces.com/blog/entry/133874
[8] https://www.reddit.com/r/localllama/comments/1em4nr5/the_new_gpt4o20240806_scores_the_same_as_original/