معركة سابقة · 2025-08-08 UTC
LLM مواجهة — 8 أغسطس 2025
من فئة LLM. 28 علامات موزعة على 6 متنافسين. DeepSeek V3 نال التاج.
الترتيب النهائي
التشكيلة
المتنافسون
ملفات تعريف كل أداة تنافست في هذه المعركة، مرتبة حسب الدرجة النهائية.
DeepSeek V3 هو نموذج لغة مدمج خبير متعدد كبير الحجم (MoE) طورته شركة DeepSeek AI. يتم تنشيط جزء فقط من معاملاته الإجمالية لكل رمز، مما يسمح له โดย تقديم أداء قوي في مهام المنطق والرياضيات والبرمجة مع الحفاظ على تكلفتها في الاستدلال بشكل كبير أقل من النماذج المجسمة المماثلة. أُصدِرَ مع权重 مفتوح، أصبح DeepSeek V3 خيارًا شائعًا للمطورين والباحثين الذين يحتاجون إلى μοντέل أساسي قوي يمكنهم استضافته自ياً أو تعديله الدقيق أو التكامل přes واجهة برمجة التطبيقات. تقع الاختبارات الموحدة له في المنافسة مع النماذج الاقطاعية الرائدة مثل GPT-4o، خاصة في تقييمات الرياضيات والمنطق. النموذج مناسب بشكل جيد للمساعدين الفنيين، وخطوط أنابيب生成 الشفرة، وتدفقات البحث، وأي تطبيق حيث يهم جودة المنطق والكفاءة المالية معًا.
تفصيل المعايير
- هندسة خلیط الخبراء
- مقاييس المنطق والرياضيات التنافسية
- أوزان النموذج مفتوحة المصدر
- API access via DeepSeek platform
- دعم نافذة السياق الطويل
- صديق للتطوير الدقيق
Janus pro
مفتوح المصدر ومتكامل: نموذج جانوس برو لتشغيل الذكاء الاصطناعي للصور والفهم البصري داخل بنية تحتية موحدة مبنية على المحولات.
Janus Pro هو نموذج متعدد الأنماط مفتوح المصدر من DeepSeek، متاح في نسخ 1B و 7B للمعلمات. إنه يوحد समझ المرئيات وتوليد الصور في إطار واحد من خلال فك ارتباط مسارات التشفير المرئي، مما يسمح للنموذج بتفسير الصور وإنشائها من الإشارات النصية. يتوفر المتغير 7B بنتائج تنافسية في المعايير المتعلقة ب_synthesis الصورة من النص و回答 الأسئلة البصرية، وغالبًا ما يعادل أو يتجاوز نماذج أكبر مخصصة. منذ إصداره بموجب ترخيص MIT، يمكن لـ Janus Pro الاستضافة الذاتية والتعدين الدقيق وتكاملها في الأنابيب البحثية أو الإنتاجية دون قيود الاستخدام. يناسب المطورين والباحثين والهواة الذين يحتاجون إلى أساس مرن ومulti-الوضعي لنموذج للاختبار والتعشيق أو بناء التطبيقات التي تجمع بين إنشاء الصور وفهمها.
تفصيل المعايير
- توليد الصور من النص
- الاستجابة للأسئلة البصرية وتحليل الصور
- هيكل الترانسفورمر الموحد
- خيار المعاملات 1B و 7B
- أوزان مفتوحة مرخصة تحت رخصة MIT
- الدعم للإدخال والإخراج متعدد التحويلي
DeepSeek R1 هو نموذج لغة كبير مفتوح المصدر يمتاز في مهام العرض والرياضيات والبرمجة. يستخدم هيكلاً من نوع Mixture of Experts (MoE) مع 37بليون معامل 활ية و671 بليون معامل إجمالي، ويدعم طول سياق 128 كيلو. يتضمن النموذج تقنيات تعلم تعافي متقدم لتحقيق التأكيد الذاتي والتفكير المتعدي والreasoning المتوافق مع البشر. достиг DeepSeek R1 أداءً على أعلى مستوى في مختلف البنود， بما في ذلك 97.3٪ دقة على MATH-500 و 79.8٪ معدل مرور على AIME 2024 وتفوق 96.3٪ من المشاركين في Codeforces. يتوفر النموذج بvariant متعددة، تتراوح من 1.5 مليار إلى 70 مليار معامل، ومرخص بموجب MIT للاستخدام والتطوير المجاني. يمكن استخدام DeepSeek R1 عبر الإنترنت مجانًا، ويمكن تشغيل نسخة مدعومة من WebGPU محليًا في المتصفح. تم设计 هذا المنهج للتعامل مع المشكلات المعقدة والتفاهم المتعدد اللغات وانتاج شفرة من الطراز الصناعي. وتشمل قوته القدرة الاستثنائية على التفكير الرياضي وانتاج الشفرة والفهم اللغوي الطبيعي. ومع ذلك، كـ نموذج مفتوح المصدر، قد يتطلب الخبرة الفنية لتثبيته وتحسينه لاستخدامات محددة. يوضع DeepSeek R1 في مقدمة النماذج عالية الأداء ذكاءً اصطناعيًا على مستوى العالم، مع إمكانيات قابلة للمقارنة مع الحلول المملوكة الرائدة. وتسمح طبيعته المفتوحة المصدر بالتطوير القائم على المجتمع والترقيات المستمرة، بما في ذلك دعم الوسائط المتعددة المخطط له وتحسين التحديث الحواري والاستدلال الموزع. يتميز النموذج بتطوير تعليم تعزيزي نقي، مما يسمح له بالحصول على أداء رياضي على مستوى GPT-4 بتكلفة أقل بكثير. تسمح خاصية تعريف تسلسل الفكر بالتغلب على تحديات "الصندوق الأسود" للذكاء الاصطناعي، مما يوفر رؤى حول عملية استدلال النموذج. يوفر واجهة برمجة تطبيقات DeepSeek R1 نقطة نهاية متوافقة مع OpenAI للدمج ، بسعر 0.14 دولار لكل مليون رمز. يتم توفير أوزان الطراز مفتوحة المصدر ، مما يسمح بالاستخدام التجاري والتعديل.
تفصيل المعايير
- هيكل الخبراء الم مختلط (MoE)
- تقنيات التعلم التعزيزي المتقدمة
- قابليات التحقق الذاتي والت phảnعكسة متعددة الخطوات
- الاستدلال المحاذي للإنسان
- دعم uzun لطول السياق 128K
- نقطة نهاية API متوافقة مع OpenAI
ASI:One
مساعد الذكاء الاصطناعي الوكيل الذي ينسق الوكلاء المستقلين لأداء مهام متعددة الخطوات.
ASI:One هو مساعد الذكاء الاصطناعي الذي يُبنى حول فكرة الذكاء الواعي، حيث يمكن أن ي.dispatch ويعمل بشكل مستقل لجنداء مسؤولة عن إنجاز المهام المركبة. بالنظر إلى أن الواجة في العائد عندها فقط النص، يمكنه planning, والتحريك أدوات, تنفيذ workflows على اسم المستخدم. نَمَت فيwithin داخل محيط التحالف للحكمة الفائقة الاصطناعية , وتمت مواقعتها kaoك كوظيفة مسؤول شخصي عن.agent الذكية التي تجمع مع مواردها مع شبكات الagent المساومة اللامركزية . يستطيع المستخدمين التكلم معها لأسئله اليومية أو委يير المهام longer longer الطويلة مثل البحث و المقارنة والتخطيط ومطالعة البيانات عبر الخدمات الوصل .
تفصيل المعايير
- INTERFACE KHALIJI JADID LI-TAHADHUB
- ORCHESTRATION OF AGENTS AL-MUTAWASSI'AH
- TANWEER TAQRSI MULTI-BIADAT WA TANFIZ
- MUTASHABIHAT LI-AZA'AJ JAWRATH WAL WAFAQAT
- DHIKR TA'ALII LI-TANFAH WA AL-NAZRA AL-MAKHNUSA
- MABNI ALA KITAFAH AL-MUSHARAKAH AL-JAWALI'AH AL-RASMIYAH
Latest DeepSeek R2
نهج الذكاء الاصطناعي المتقدم والموجه للتفكير لمهام الرياضيات والتحليلية والترميز
يعتبر Latest DeepSeek R2 الخليفة لنموذجreasoning R1 من DeepSeek، و تم تصميمه لتسليم حل أقوى لمشكلاتProblem solving الخطوة بخطوة عبر الرياضيات و البرمجة و المهام التحليلية. و يهدف إلى扩ع نهج البحث المفتوح الذي جعل إصدارات DeepSeek السابقة مشهورة بين المطورين و الباحثين. يستهدف الطراز تحسين الدقة ومعالجة السياق الأطول والاستدلال الأكثر كفاءة مقارنةً oleh سابقه، مما يجعله مناسبًا للمساعدين التقنيين و Fluxات الوكالات ودمجه في التطبيقات المخصصة. تعتمد التوفر والمواصفات الدقيقة على قناة إصدار DeepSeek الرسمية. يمكن للمستخدمين عادة الوصول إلى النموذج عبر API أو واجهة الدردشة أو تشغيل الأوزان المفتوحة حيث تم توفيرها، مما يسمح بالمرونة لكلا التجربة الفرديةและการ النشر الإنتاجي.
تفصيل المعايير
- استدلال متسلسل متقدم
- نافذة سياق مدولة
- دعم إنشاء الشيفرة وتصحيح الأخطاء
- الفهم المتعدد اللغات
- الوصول من خلال API وال聊بة
- المناسب للتطبيقات الوكيلية
تهدف برونوس إلى تحسين الفهم والإنشاء والاستدلال اللغوي بشكل أكثر دقة في اللغة العربية مقارنة بmodeleح لغة شاملة. تُعرف كأحد MODELEح لغوى متزايدة من اللغة العربية، مع التعديلات لمحلياتها ومصادرها الكلاسيكية الحديثة ومعاييرها المعاصرة. يمكن استخدام نموذج البيانات THIS THIS THIS للقيام بالمهام مثل إنتاج المحتوى، وقص المختصر، والنقل، ودعم العملاء، ونظريات التفاعل باللغة العربية بشكل خاص في الأسواق الناطقة باللغة العربية. من خلال التركيز في تدريب THIS THIS THIS على البيانات العربية، يتحكم هذا الدعم في خصوصيات مثل النحو والمقاطع والمنطقة الثقافية التي يتناولها نماذج أوسع منها بلا ثبات.
تفصيل المعايير
- نماذج اللغة المُعدة للعربية
- إجراء التحليل النحوي والتوليد النصي والاستئصال
- دعم الترجمة
- قدرة على التواصل والتفاعل مع البوتات الشات
- مصممة للنطام الذكي العربي للأغراض المنقحة
- Coverage of ماء و اللهجات