Deepseek-R1 et Cohere's Command R (août 2024) sont tous deux des modèles de langage avancés, mais ils présentent des différences distinctes de performance, d'architecture et de tarification.
Architecture et formation:
- Deepseek-R1 est un modèle de mélange de paramètres de 671 milliards de paramètres (MOE), avec 37 milliards de paramètres activés par jeton. Il a été formé en utilisant l'apprentissage par renforcement à grande échelle, en se concentrant sur les capacités de raisonnement. Ce modèle intègre deux étapes de l'apprentissage du renforcement et deux étapes de réglage fin supervisé pour améliorer les capacités de raisonnement et de non-relance [1] [3].
- Command R (août 2024), développé par Cohere, propose une génération (RAG) (RAG) et d'outils de récupération multilingue améliorées et d'outils. Il excelle dans les tâches mathématiques, code et raisonnement, fournissant des résultats comparables à son prédécesseur, commande r + [1] [3].
Benchmarks de performance:
- Deepseek-R1 fonctionne de manière comparable au modèle O1 d'Openai dans de nombreuses références de raisonnement, y compris les tâches mathématiques et code. Il excelle dans les tâches créatives et à long contexte comme Alpacaeval 2.0 et Arenahard, surpassant d'autres modèles dans ces domaines [2]. Deepseek-R1 a marqué 90,8% sur la référence MMLU et 84% sur MMLU-PRO, démontrant des capacités de raisonnement solides [1].
- Command R (août 2024) obtient un score de 67% sur la référence MMLU et 70% sur Humaneval, indiquant des performances solides dans la génération de code et la résolution de problèmes [1]. Cependant, ses performances sur le MMLU-Pro et d'autres repères de raisonnement spécifiques ne sont pas signalées.
Prix et coût:
- Deepseek-R1 est nettement plus cher que la commande R (août 2024), avec des coûts d'entrée à 0,55 $ par million de jetons et des coûts de production à 2,19 $ par million de jetons. Cela le rend environ 3,7 fois plus cher pour les jetons d'entrée et de sortie [1] [3].
- Command R (août 2024) offre des coûts inférieurs, avec des jetons d'entrée au prix de 0,15 $ par million et des jetons de production à 0,60 $ par million [1] [4].
Open-source et communauté:
- Deepseek-R1 est open-source, permettant des améliorations et des modifications axées sur la communauté. Cette ouverture peut conduire à des possibilités de développement et de personnalisation plus transparentes [1] [5].
- La commande R (août 2024) n'est pas open-source, limitant la participation de la communauté dans son développement et sa personnalisation [1].
Sensibilité rapide:
- Deepseek-R1 est sensible aux invites, avec des invitations à quelques coups dégradant souvent ses performances. Il est recommandé d'utiliser une incitation zéro avec des instructions claires pour des résultats optimaux [2].
- Il n'y a aucune mention spécifique de la sensibilité rapide pour la commande r (août 2024) dans les informations disponibles.
En résumé, alors que les deux modèles ont de solides capacités de raisonnement, Deepseek-R1 excelle dans certaines références et offre une flexibilité open source, mais à un coût plus élevé. Command R (août 2024) est plus rentable et offre des performances concurrentielles dans des domaines spécifiques comme la génération de code.
Citations:
[1] https://docsbot.ai/models/compare/command-r-08-2024/deepseek-r1
[2] https://www.prompthub.us/blog/deepseek-r-1-model-overview-and-how-it-ranks-against-openais-oo1
[3] https://docsbot.ai/models/compare/deepseek-r1/command-r-08-2024
[4] https://artificialanalysis.ai/Models/Command-R
[5] https://blog.promptlayer.com/deepseek-r1-vs-o1/
[6] https://artificialanalysis.ai/Models
[7] https://artificialanalysis.ai/Models/Command-R-03-2024
[8] https://explodingtopics.com/blog/list-of-llms