DEV Community
·
Deepseek R1与OpenAI o1-preview对比
💡
原文英文，约1000词，阅读约需4分钟。
📝
内容提要
Deepseek R1模型发布，采用671B MoE架构，推理表现优于其他模型。尽管在棋局中取得了一定胜利，但仍存在指令遵循和错误回复的问题。与OpenAI的o1模型相比，R1在表现和平局数量上不够理想。
🎯
关键要点
- Deepseek R1模型发布，采用671B MoE架构，推理表现优于其他模型。
- R1在棋局中取得了一定胜利，但仍存在指令遵循和错误回复的问题。
- 与OpenAI的o1模型相比，R1在表现和平局数量上不够理想。
- R1的胜率为22.58%，平局率为19.35%，错误回复率较高。
- R1在棋局中违反指令或出现幻觉走法，导致失利。
- 非推理模型的表现普遍较差，无法与推理模型相提并论。
- Deepseek还推出了多个小型的R1蒸馏版本，但表现不佳。
- 谷歌的Gemini Thinking模型在R1发布后进行了更新，表现有所改善。
❓
延伸问答
Deepseek R1模型的架构是什么？
Deepseek R1模型采用671B MoE架构。
Deepseek R1在棋局中的表现如何？
Deepseek R1的胜率为22.58%，平局率为19.35%，但错误回复率较高。
Deepseek R1与OpenAI的o1模型相比有什么区别？
与OpenAI的o1模型相比，R1在表现和平局数量上不够理想。
Deepseek R1模型存在什么问题？
R1存在指令遵循和错误回复的问题，可能会违反指令或出现幻觉走法。
Deepseek推出了哪些版本的R1模型？
Deepseek还推出了多个小型的R1蒸馏版本，但表现不佳。
谷歌的Gemini Thinking模型在R1发布后有什么变化？
Gemini Thinking模型在R1发布后进行了更新，表现有所改善，能够持续进行约40步的游戏。
➡️
