Mennyt taisto · 2026-08-01 UTC
LLM Yhteenotto — 1. elokuuta 2026
Kategoriasta LLM. 14 merkkiä asetettu 5 taistelijan kesken. DeepSeek R1 otti kruunun.
Lopulliset sijoitukset
Kokoonpano
Taistelijat
Profiilit jokaisesta työkalusta, joka kilpaili tässä taistossa, järjestettynä lopullisen pistemääränsä mukaan.

DeepSeek R1
Avoin lähdekoodi suuren kielen malli, jossa toiminnassa loistaa päättely, matematiikka ja koodaaminen, ja sen lisensoimaan vapauksella käytetään ja muokataan MIT-määräyksen mukaan.

DeepSeek R1 on avoin kohde suurelle kielelle, joka erinomaisessa tapauksessa pyörittää, laskutoimituksia ja ohjelmointitöitä. Se käyttää Mixture of Experts (MoE) -arkkitehtuuria, jossa on 37 miljardia aktivia parametria ja 671 miljardia yht. parametria ja tukee 128 000 kehän pituutta. Maksiminimmiä modeli sisältää edistyksellisiä ohjausopetus menetelmiä saavuttaakseen itsevarmentumista, monipuolista kaksivaiheista yläreuna ja ihmisen sovituksen tasona pyritytään pyörittämään kykyjä. DeepSeek R1 on saavuttanut edistyksellistä vakiintumista monessa vertailussa, mukaan lukien 97,3 prosentin tarkkuus MATH-500, 79,8 prosentin pääsystahti AIME 2024 ja ylöksytymään 96,3 prosenttia Codeforces osallistujista. Käyttöliittymä on saatavana useassa muodossa, 1,5 miljardiin 70 miljardiin parametria, ja se on lisensoidu kuten MIT vapaasti kaytettava. Vaihtoehtona DeepSeek R1 voidaan pyörittää vapaasti verkkopalvelussa ja WebGPU käytönohjatun vaihtoehdon voidaan käyttää paikalliskoneella ja selaimessa. Malli on suunniteltu monimutkaisen ongelmien ratkaisemiseen, monikieliseen ymmärrykseen sekä tuotantovarmenteiselle koodin luomiselle. Sen taituruudet sisältävät erinomaisen matemaattisen argumentoinnin kyvyn, koodin luomisen sekä luonnollisen kielen ymmärryksen. Kuitenkin, koska se on avoimen lähdekoodin malli, sitä voi tarvita teknillistä asiantuntijaosaamista käyttöönottoon ja tarkistettavuuteen niinikään erityistapauksien mukaan. DeepSeek R1 on sijoitettu maailmanlaajuisiin parhaiten menestyneisiin AI-malleihin, ja sen kyvyt ovat vertailukelpoisia etenkin suuryritysten omistamiin kehittämiin ratkaisuihin. Avoimen lähdekoodin luontainen luonne mahdollistaa yhteisöllisen kehittämisen ja jatkuvia päivityksiä, joista tulee muun muassa multimodaalin tuen, keskusteluiden parantaminen sekä jakohakkuisen inferenssin optimointi. Malli on kehitetty täysin tukiasiantuntijakoulutuksella, joka mahdollistaa sen saavuttavan GPT-4-tasoista matematiikkaa huomattavasti halvemmalla. Käyttöketjukuvauksen taito kohdistaa AI- "mustoihin laatikoihin" (black box challenges) haastamalla, ja tarjoaa näkemyksiä mallin käsittelystä. DeepSeek R1:n API tarjoaa avointa OpenAI-päätepistettä integrointia varten, joka hintaa $0.14 miljoonan aseman kohdalla. Malleissa on avointa painotustiedostoa, jolloin se sallii kaupallisen käytön ja muokkausmahdollisuus.
Kriteerien jakautuminen
- MoE -arkkitehtuurin sekoitus
- Etäistä oppimista hyödyntävät etenkin edistyneet toimintamalli
- Oma todennettavuus ja monivaiheinen toiminnanpalautusvaihe
- Instrumentoidut reaaliaikaan alentuneet toiminnantarkoitus ja matematiikka
- Tuki 128K-syvyisinä osoitteissa
- Avoin API -pistekirjapyyntö

Eye2.AI
Vertaile parhaiden LLM-mallien vastauksia kerran vaatimattomalla yhtäaikaiseella kysyllös — ilmainen, rekisteröitymisäkäin.

Eye2.AI on monimallinen vertailu-työkalu AI:n vertaamiseen, joka sallii käyttäjien lähettää yhtä kutsua useille johtaviin suurikokoisille kieliopin malleille ja tarkastella eri mallien vastauksia rinnakkain. Puhdistamalla eron tyyli, tarkkuus, syvyys ja argumentointiin liittyvää, se auttaa käyttäjiä valitsemaan, mikä malli sovittuu parhaiten mihin tahansa tehtävään ilman erillisiä tilausten määräämisiä useita tilauksia maksamatta. Pienimuotoisen tutkimuksen, vertailun sekä nopean tosiasiatarkistuksen yhteydessä käyttämiseksi palvelusta ei vaadita maksukelpoisuutta eikä käyttäjätiliä, mikä helpottaa sallimalla vapaaehtoista kokeilu- ja tutkimistyötä. Palvelu on erityisen hyödyllinen kirjoittajille, ohjelmistokehittäjille, opiskelijoille ja kaikille, jotka ovat kiinnostuneita siitä, kuinka eri LLM:t lähestyvät samaa kysymystä.
Kriteerien jakautuminen
- Yksinkertaisen haun avulla useiden mallien kysely
- Vierekoinen vastauslayout
- Pääsy johtaviin tekoälymalleihin yhdessä paikassa
- Ei tarvita tilille tai kirjautumista
- Ilmainen käyttö
- Nopea kansikyselytyön prosessi

OpenAI o3
OpenAI:n edistynyt päättelymalli monimutkaisiin, monivaiheisiin ongelmanratkaisuihin

OpenAI o3 on edistyksellinen päättelymalli, joka on suunniteltu ratkaisemaan ongelmia, jotka vaativat tarkkaa, askel-askeleelta etenevää ajattelua. Se hyödyntää o‑sarjan lähestymistapaa, jossa inferenssiaikana käytetään enemmän laskentatehoa suunnitteluun, tarkistamiseen ja vastausten hiomiseen, mikä tekee siitä erinomaisen matemaattisten, koodaus-, tieteellisten ja loogisen analyysin tehtävien suorittamiseen. Yleiskäyttöisiin chat-malleihin verrattuna o3 painottaa syvyyttä nopeuden sijaan. Se pystyy hajottamaan epäselvät kehotteet, arvioimaan useita lähestymistapoja ja tuottamaan luotettavampia tuloksia testeissä, jotka korostavat päättelyä ja työkalujen käyttöä. Kehittäjät voivat käyttää sitä OpenAI API:n ja ChatGPT:n kautta, jossa se on integroitu työkaluja kuten verkkoselailu, Python ja tiedoston analyysi. Malli on suunnattu tutkijoille, insinööreille ja tehokäyttäjille, jotka tarvitsevat parempaa tarkkuutta vaikeissa ongelmissa ja ovat valmiita uhraamaan hieman latenssia ja kustannuksia korkealaatuisten tulosten saavuttamiseksi.
Kriteerien jakautuminen
- Laajennettu ajatustenketjun päättely
- Työkalujen käyttö, mukaan lukien koodi-, web- ja tiedostosyötteet
- Suuri kontekstialue pitkille asiakirjoille
- API- ja ChatGPT-saatavuus
- Parannettu tarkkuus STEM-vertailuarvoissa
- Tukee monimutkaisia agenttipohjaisia työnkulkuja
Pronoia
Arabialähtöinen suuri kielimalli, tarkennettu natiivitason ymmärtämiseen ja generointiin.
Pronoia on suuri kielimalli, joka on erityisesti hienosäädetty arabian kielelle, ja sen tavoitteena on tarjota tarkempaa ymmärrystä, generointia ja päättelykykyä kielessä kuin yleiskäyttöiset monikieliset mallit. Se on asemoitu johtavaksi arabian keskittyväksi LLM:ksi, jossa on optimoitu murteisiin, klassisiin muotoihin ja nykyaikaiseen standardiarabiaan. Mallia voidaan käyttää tehtäviin kuten sisällöntuotanto, tiivistys, käännös, asiakastuki ja keskusteleva tekoäly arabiaa puhuvilla markkinoilla. Keskittymällä koulutuksensa arabian dataan, Pronoia pyrkii huomioimaan nyansseja, kuten morfologia, diakriittiset merkit ja kulttuurinen konteksti, joita laajemmat mallit usein käsittelevät epäjohdonmukaisesti.
Kriteerien jakautuminen
- Arabiaan optimoitu kielimalli
- Tekstin generointi ja tiivistäminen
- Käännöstuki
- Keskustelu- ja chatbot-ominaisuudet
- Sopii yritystason arabiankieliseen NLP:hen
- Kattaa nykyaikaisen kirjallisen arabian (MSA) ja murteet

Gemini 2.0 Flash
Googlen nopea, monimodaalinen AI-malli reaaliaikaisille agenttitehtäville 1M-token paksuudella kontekstissä

Gemini 2.0 Flash on seuraava sukupolvi, jonka Google DeepMind on suunnitellut nopeuteen, mittakaavuun ja monimodaaliseen ajatteluun soveltuvaksi. Se hyväksyy tekstin, kuvat, äänet ja videot syötteenä ja pystyy generoimaan tekstin, kuvat ja äänit, mikä tekee siitä soveltuvan monimutkaisille interaktiivisille sovelluksille. Mallin on suunniteltu agenteja ajattelevien työvilkaisuuksien mukaan, ja se tuki kotoisinollen sovelluskerroksen käyttämiselle, funktio- ja API-kutsuja sekä 1-miljoonan merkitsevän konsentraatiokentän käytölle suurten dokumenttien, koodipohjien, pitkiä tilaustausta tai pitkittäisten tilausten käsittelyssä. Vähäinen latency, joka tekee siitä käytännöllisen valinnan assisentteja koskevissa tehtävissä, tiukassa real-time -analyysissa tai tuotetason käyttöön. Teknologit voivat yhdistää Gemini 2.0 Flashin kautta Gemini-rajapintaan, Google- AIIudioon ja Vertex AI:hon, ja ohjelmistokehyksiä on saatavilla pääsatakäänkiä kielillä.
Kriteerien jakautuminen
- 1M-merkin kontekstiuuskienikkö
- Monimuotoinen syöttö: teksti, kuva, ääni, video
- Alkuperäinen työkalukutsu ja koodin suorittaminen
- Reaaliaikaiset virtausvastaukset
- Kuvan ja äänen generointi
- Saadaan Gemini API:n ja Vertex AI:n kautta



