首页 资讯 正文

国产开源模型强势追击!DeepSeek与OpenAI最新模型实测对决

体育正文 289 0

国产开源模型强势追击!DeepSeek与OpenAI最新模型实测对决

国产开源模型强势追击!DeepSeek与OpenAI最新模型实测对决

《科创板日报(rìbào)》5月29日讯 DeepSeek昨晚(zuówǎn)通过微信交流群通知,其DeepSeek R1模型完成小(xiǎo)版本升级,并在今日凌晨开源了最新版本模型DeepSeek-R1-0528。

代码测试(cèshì)平台(píngtái)Live CodeBench中显示,DeepSeek-R1-0528性能可以媲美OpenAI最新的(de)o3(High)模型。

小K今日以一名普通用户(pǔtōngyònghù)的身份,参考AI基准(jīzhǔn)测试xbench的例题,在DeepSeek和OpenAI官网分别对它们最新(zuìxīn)的R1模型和o3模型进行了对比测试。

第1题小K请DeepSeek和OpenAI模型(móxíng)分别写了一个可以在网页上运行的“三国杀”游戏。测试(cèshì)维度(wéidù)包括代码生成、可运行性、模块化能力和交互设计。

DeepSeek的回答直接输出了完整(wánzhěng)的网页游戏源码,并且点击能直接运行。前端界面(jièmiàn)美观,具备基础美术(měishù)元素,能完成简单对战逻辑

相比之下,OpenAI给出的解决方案则将前端(qiánduān)、脚本和逻辑(luójí)分别输出(shūchū)在3个独立代码块中,用户需自行保存为多个文件(wénjiàn),运行时还伴有报错,需要手动调试,不能完成对战。而且界面粗糙、无UI美化。

这道题DeepSeek胜出。DeepSeek模型在“代码工程化”能力上已有显著(xiǎnzhù)优势(yōushì),表现出对前端框架的更好理解。

第2题是一道典型的函数构造与(yǔ)嵌套函数推导题:已知f(f(x))=x2−11x+36f(f(x))=x^2-11x+36,求(qiú)f(5)。测试(cèshì)维度包括函数反演、代数(dàishù)推理能力和数学逻辑清晰度。

DeepSeek耗时351秒推导出解法(xièfǎ),思考过程非常长,进行了反复演算和(hé)验算,过程详细且逻辑缜密,从代入法到固定点分析再到(zàidào)反设求解(qiújiě),最后合理排除矛盾值,最终得出f(5)=6的唯一解答。

OpenAI则用时仅41秒,给出了同样正确的答案,而且逻辑清晰(qīngxī)、推理精炼。推出固定点(gùdìngdiǎn)、构造反函数思路合理,无冗余步骤。

这一题尽管DeepSeek和OpenAI最终(zuìzhōng)均给出了正确答案,但DeepSeek推理时间(shíjiān)长,在数学题场景仍待优化

第3题是:黑龙江、吉林、辽宁,共有多少个地市级行政单位与(yǔ)外国接壤?测试维度包括(bāokuò)地理常识、事实检索和数据整合能力。

这道题的正确答案是12个。而DeepSeek仅回答了(le)5个。

DeepSeek推理过程中(zhōng)错误理解了“地市级单位”是否一定拥有边境口岸。例如将黑龙江部分地市(如伊春、鹤岗)忽略(hūlüè),导致其(qí)推理思路存在漏算。

反观(fǎnguān)OpenAI正确地点名了12个地市。

第4题是:有一个被剪做鞋样(xiéyàng)的历史文物,对研究唐代均田制起到了重要的作用,这个文物中记载的年份(niánfèn),有一位唐朝的一代名(míng)相去世,请问这位名相有几个儿子?测试(cèshì)维度包括历史考据、细节辨析能力和文献准确性。

DeepSeek在此题中出(chū)现了幻觉,造成(zàochéng)误判,DeepSeek错将有“一个被剪做鞋样的历史文物”关联至"唐代田界砖",虽最后回答出“有4子”,但(dàn)纯属偶合。

OpenAI正确识别文物(wénwù)“赵怀满夏(mǎnxià)田契”署于贞观十七年(643年),对应去世人物为魏徵,并指出魏徵有(wèizhēngyǒu)四子:魏叔玉、魏叔琬、魏叔璘、魏叔瑜。识别精准,逻辑(luójí)链条完整无误。引用旧唐书、新唐书等文献,考证准确。

第5题是:《乐队的夏天》各季top5乐队中一共有多少名女性(nǚxìng)成员?测试维度包括多维信息提取、成员归属辨析(biànxī)、数据整合能力。

DeepSeek依次列举了(le)三季节目中的Top5乐队,并从中筛选女性成员(chéngyuán)(如新裤子的赵梦、刺猬的石璐(shílù)、安达组合的其(qí)其格玛等),统计结果为5位女性成员,并对女性在乐队中所扮演的角色进行了总结(主唱、贝斯手、鼓手等)。用时不到(búdào)1分钟即完成高质量统计+表格整理,效率高。

OpenAI也给出了相同的数量,考证(kǎozhèng)细致,但(dàn)花费近6分钟,在交互场景中显得拖沓

通过以上实测可以看出,DeepSeek R1的表现非常接近甚至在部分任务上超过(chāoguò)了OpenAI最新O3模型。在代码生成、复杂函数推理(tuīlǐ)、统计等方面,DeepSeek展现出(zhǎnxiànchū)全面且稳定的进步,正快速缩小与顶级闭源模型的差距(chājù)。

(科创板日报(rìbào) 朱凌)
国产开源模型强势追击!DeepSeek与OpenAI最新模型实测对决

欢迎 发表评论:

评论列表

暂时没有评论

暂无评论,快抢沙发吧~