DeepSeek R1有沒有趕上OpenAI o1？ 八大場景測評結果出爐

勢均力敵，不分伯仲。

原標題：DeepSeek R1有沒有趕上OpenAI o1？ 八大場景測評結果出爐
文章來源：機器之心
內容字數：9556字

DeepSeek R1：性價比路線挑戰OpenAI精英

近日，機器之心報道了DeepSeek R1推理模型與OpenAI ChatGPT模型的對比測試結果，引發廣泛關注。測試涵蓋創意寫作、數學、指令遵循等領域，DeepSeek R1以其高性價比的表現，成功挑戰OpenAI付費“精英”模型，為AI領域帶來新的思考。

1. 測試設計與方法

   測試采用8個不同類型的prompt，涵蓋創意寫作（老爸笑話、創意故事）、邏輯推理（另類藏頭詩、追蹤球的下落）、知識問答（歷史顏色命名、挑戰巨型質數）、以及復雜的指令遵循（趕飛機、復數集合測試）。測試結果以DeepSeek R1: ChatGPT o1: ChatGPT o1 Pro的比分呈現，最終比分為5:2:4，DeepSeek R1表現亮眼。

2. 創意寫作：DeepSeek R1展現靈氣

   在創意寫作方面，DeepSeek R1在“老爸笑話”和“亞伯拉罕·林肯發明籃球”的創意故事創作中表現突出，其生成的答案充滿想象力和趣味性，勝過OpenAI模型。

3. 邏輯推理與知識問答：各有千秋

   在“另類藏頭詩”任務中，DeepSeek R1因理解錯誤而失分，而ChatGPT o1 Pro表現最佳。在“歷史顏色命名”和“挑戰巨型質數”中，三個模型都展現了不錯的知識儲備和推理能力，但ChatGPT o1 Pro在風格上略勝一籌。DeepSeek R1在“挑戰巨型質數”中憑借精確答案獲得勝利，展現了其強大的信息檢索和計算能力。

4. 指令遵循：細節決定成敗

   在“趕飛機”任務中，DeepSeek R1雖然計算時間略慢于ChatGPT o1，但其附加的風險提示和實用建議，使其在細節處理上勝出。在“追蹤球的下落”中，三個模型均正確回答，展現了對物體物理狀態的理解能力。

5. 復雜指令：暴露不足

   在“復數集合測試”中，DeepSeek R1在計算總位數時出現錯誤，而ChatGPT o1和o1 Pro則準確完成任務，展現了其在處理復雜指令方面的優勢。

6. 總結：性價比路線的勝利

   總的來說，DeepSeek R1在多項測試中展現了與OpenAI付費模型相媲美的能力，尤其在創意寫作和信息檢索方面表現出色。雖然在一些復雜任務中仍存在不足，但其高性價比優勢使其在AI競技場中占據一席之地，打破了“高成本才能高性能”的刻板印象。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺