წარსული ბრძოლა · 2025-08-08 UTC
LLM შერკინება — 8 აგვისტო, 2025
LLM კატეგორიიდან. 28 ნიშნები განთავსებული 6 მებრძოლზე. DeepSeek V3-მა აიღო გვირგვინი.
საბოლოო შედეგები
შემადგენლობა
მებრძოლები
ამ ბრძოლაში მონაწილე ყველა ხელსაწყოს პროფილი, დალაგებული მათი საბოლოო ქულის მიხედვით.
DeepSeek V3
ღია წყაროს ‘Mixture‑of‑Experts’ მოდელი, რომელიც GPT‑4o‑ს მსგავსი reasoning‑ის და მათემატიკის დონეს, თუმცა მინიმალურ ღირებულებით, უზრუნველყოფს.
DeepSeek V3 არის დიდი მასშტაბის მქონე mixture‑of‑experts (MoE) ენის მოდელი, რომელიც შეიქმნა DeepSeek AI-ის მიერ. ის თითოეული ტოკენისთვის გააქტიურებს მხოლოდ მისი სრული პარამეტრების ქვესეტს, რაც საშუალებას მისცემს მიაწოდოს ძლიერი წარმადობა შეჯამების, მათემატიკისა და კოდირების დავალებებში, ხოლო inference‑ის ხარჯები მნიშვნელოვნად დაბალი შედარებით მსგავსი სიმჭიდრული მოდელებისგან. ღია წვლით გამოქვეყნებული DeepSeek V3 გახდა პოპულარული არჩევანი დეველოპერებისთვის და კვლევებისთვის, რომელთაც სჭირდებათ მძლავრი ბაზისური მოდელი, რომელსაც ისინი შეძლებენ თვითჰოსტად, მორფვაში ან API‑ით ინტეგრაციაში. ბენჩმარკები მისი კონკურენტულად განთავსებს ძირითად საკუთრების მოდელებთან, როგორიცაა GPT‑4o, განსაკუთრებით მათემატიკური და ლოგიკური დასაბუთების შეფასებებში. ამ მოდელი შესაფერისია ტექნიკური ასისტენტებისთვის, კოდის გენერაციის ნაკადებისთვის, კვლევითი სამუშაო ნაკადებისთვის და ნებისმიერ აპლიკაციაში, სადაც მოსაზრების ხარისხი და ბიუჯეტის ეფექტურობა ორივე მნიშვნელოვანია.
კრიტერიუმების დაყოფა
- Mixture‑of‑Experts არქიტექტურა
- კონკურენტული reasoning‑ის და მათემატიკის benchmark-ები
- ღია წყაროს მოდელის წონები
- API წვდომა DeepSeek პლატფორმის მეშვეობით
- გრძელი კონტექსტის ფანჯრის მხარდაჭერა
- მარტივი fine‑tuning
Janus pro
DeepSeek-ის ღია მულტიმოდული მოდელი, რომელიც ერთიანი არქიტექტურაში გამოსახულებების გენერაციასა და ვიზუალური გაგებას უზრუნველყოფს.
Janus Pro არის ღია-წყაროს მულტიმოდული AI მოდელი DeepSeek-ისგან, ხელმისაწვდომია 1B და 7B პარამეტრის ვერსიებით. ის ერთიანდება ვიზუალური გაგება და ფოტოების გენერირება ერთ‑კო ფრემვორთში, ვიზუალური კოდირების გზების გაყოფით, რაც მოდელს საშუალებას აძლევს როგორც სურათების გაანალიზება, ასევე მათი ტექსტური მითითებებისგან შექმნა. 7B‑ვარიანტი მიაწვდით კონკურენტულ შედეგებს ტექსტიდან‑გამოსახულების სინთეზსა და ვიზუალური შეკითხვების პასუხის მიცემაზე, ხშირად ემთხვევა ან გადაჭარბებს უფრო დიდი სპეციალიზებული მოდელებს. MIT‑ლიცენზიის ქვეშ გამოშვებული Janus pro შეიძლება იყოს self‑hosted, fine‑tuned და ინტეგრირებული კვლევითი ან წარმოებითი ნაკადებში, გამოყენების შეზღუდვის გარეშე. ეს შესაფერისია დეველოპერებისთვის, მკვლევარებისთვის და ჰობიისტებისთვის, რომლებიც საჭიროებენ მოქნილ მრავალმოდულარ საფუძველს ექსპერიმენტირებისთვის, პროტოტიპებისთვის ან აპლიკაციების შექმნად, რომლებიც აერთიანებენ გამოსახულებების შექმნას და მათი გაგებას.
კრიტერიუმების დაყოფა
- ტექსტიდან-გამოსახულებაზე გენერაცია
- ვიზუალური კითხვების პასუხგემა და გამოსახულების ანალიზი
- ერთიანი ტრანსფორმერული არქიტექტურა
- 1B და 7B პარამეტრების ვარიანტები
- MIT ლიცენზიის ქვეშ ღია წონა
- მულტიმოდული შეტანისა და გამოსატანის მხარდაჭერა
DeepSeek R1
ღია წყაროს დიდი ენის მოდელი, რომელიც გამოირჩევა ლოგიკით, მათემატიკით და პროგრამირებაში, MIT ლიცენზიით უფასო გამოყენებით და მოდიფიცირებით.
DeepSeek R1 არის ღია-წყაროს დიდი ენის მოდელი, რომელიც განსაკუთრებულად excels reasoning, math, coding tasks‑ში. იგი იყენებს Mixture of Experts (MoE) არქიტექტურას, რომლის 37B აქტიური პარამეტრები და 671B საერთო პარამეტრები 128K კონტექსტის სიგრძეს მხარს უჭერს. მოდელი მოიცავს მოწინავე reinforcement learning ტექნიკებს, რათა მიიღოს self-verification, multi-step reflection და ადამიანის-შესაბამის reasoning შესაძლებლობები. DeepSeek R1 მოიპოვა state-of-the-art შესრულება სხვადასხვა benchmarks‑ში, მათ შორის 97.3% accuracy MATH-500‑ზე, 79.8% pass rate AIME 2024‑ზე, და 96.3% Codeforces მონაწილეებს გადააჭარბა. მოდელი ხელმისაწვდომია მრავალფეროვანი ვარიანტებით, 1.5B‑დან 70B პარამეტრამდე, და MIT ლიცენზიით თავისუფლად გამოსაყენებლად და მოდიფიცირებისთვის. DeepSeek R1 შეგიძლიათใช้ฟรี ონლაინ, ხოლო WebGPU‑accelerated ვერსია ლოკალურად ბრაუზერში გაშვება. მოდელი შექმნილია კომპლექსური პრობლემების გადაჭრის, მრავალენოვანი გაგებისა და წარმოების ხარისხის კოდის გენერაციისთვის. მისი სიძლიერეები მოიცავს შესანიშნავ მათემატიკურ აზროვნებას, კოდის გენერაციას და ბუნებრივი ენის გაგების შესაძლებლობებს. თუმცა, როგორც ღია წყაროს მოდელი, მისი დანერგვა და კონკრეტული გამოყენების შემთხვევებისთვის მორგება ტექნიკური ექსპერტობის მოთხოვნის გამო შეიძლება საჭირო იყოს. DeepSeek R1 მდებარეობს AI მოდელებში მსოფლიო მასშტაბით უმაღლესი დონის შესრულებით, რომლის შესაძლებლობებიც შედარებადია წამყვან კერძო გადაწყვეტილებებთან. მისი ღია წყაროს ბუნება აძლევს საშუალებას საზოგადოებით დაფუძნებულ განვითარებას და უწყვეტი განახლებებს, მათ შორის დაგეგმილი მრავალმოდული მხარდაჭერა, საუბრის გაუმჯობესება და განაწილებული inference‑ის ოპტიმიზაცია. მოდელს აქვს სრულად გაძლიერებული სწავლების (reinforcement learning) განვითარება, რაც მას საშუალებას აძლევს GPT‑4‑ის დონეზე მათემატიკური წარმადობის მიღწევას მნიშვნელოვნად ნაკლებ ღირებულებით. chain-of-thought visualization შესაძლებლობა აჩენს AI‑ს 'black box' გამოწვევებს, მიგვაწოდებს მოდელის აზროვნების პროცესის ხედვებს. DeepSeek R1-ის API OpenAI‑თან თავსებადი endpoint‑ი უზრუნველყოფს ინტეგრაციისთვის, რომლის ფასი 0,14$ თითო მილიონ token‑ზე. მოდელის წონები open-source‑ია, რაც იძლევა კომერციულ გამოყენებისა და მოდიფიკაციის შესაძლებლობას.
კრიტერიუმების დაყოფა
- მონაცემთა ექსპერტების შერწყმის (MoE) არქიტექტურა
- მაღალ დონის განმეორებითი სწავლების ტექნიკა
- თვითდამოწმება და მრავალფაზიანი შეხედვის შესაძლებლობები
- ადამიანის შესაბამისი ლოგიკა
- 128K კონტექსტის სიგრძის მხარდაჭერა
- OpenAI‑თან თავსებადი API‑ის ბოლო წერტილი
ASI:One
Agentic AI ასისტენტი, რომელიც აერთიანებს თვითმმართველი აგენტებს, რათა შეასრულოს მრავალნაბიჯიანი დავალებები.
ASI:One არის AI დამხმარე, რომელიც აგებულია აგენტური ინტელიგენციაზე დაფუძნებული იდეაზე: კონვერსაციული ინტერფეისმა სპეციალიზებული ავტონომიური აგენტები გამოიძახება და მართება, რათა დაამუშაოს კომპლექსური მოთხოვნები. მხოლოდ ტექსტის დაბრუნების მაგიერ ის გეგმავს, ხელსაწყოების ზახებას და სამუშაო ნაკადების შესრულებას მომხმარებლის სახელით. Artificial Superintelligence Alliance ეკოსისტემაში შეიქმნილი, ის განთავსებულია პირადი AI აგენტად, რომელიც ინტეგრირებულია დეცენტრალიზებული აგენტების ქსელებთან. მომხმარებლები შეუძლიათ ისთან ჩატიონ ყოველდღიური კითხვებისთვის ან გადაეცეს უფრო გრძელი დავალებები, როგორიცაა კვლევა, შედარებები, გეგმის მორგება და მონაცემების ძებნა დაკავშირებული მომსახურებების ქსელებში.
კრიტერიუმების დაყოფა
- კონვერსაციული ჩატ-ინტერფეისი
- ავტონომიური აგენტების ორკესტრირება
- მრავალნაბიჯიანი დავალებების დაგეგმვა და შესრულება
- გარე აგენტებსა და მომსახურებებსთან მიერთება
- პერსონალური ასისტენტის მსგავსი მეხსიერება და კონტექსტი
- ASI Alliance აგენტის სტეკზე აშენებულია
ბოლო DeepSeek R2 არის DeepSeek-ის R1‑ის რეზონირების მოდელის მემშობელი, რომელიც შექმნილია უფრო ძლიერი ნაბიჯ‑ნაბიჯ პრობლემის გადაწყვეტისთვის მათემატიკაში, კოდირებაში და ანალიტიკური ამოცანებში. მისი მიზანია ღია კვლევითი მიდგომის გაფართოება, რომელიც ადრე DeepSeek‑ის რელიზებს დეველოპერებსა და მკვლევარებს შორის პოპულარულად ააშენს. ამ მოდელი მიზნად ისახავს გააუმჯობესებულ ზუსტობას, უფრო გრძელ კონტექსტის დამუშავებას და უფრო ეფექტურ inference-ს, შედარებით მის წინაპარს, რაც მას შესაფერის ხდის ტექნიკურ ასისტენტებისთვის, აგენტური სამუშაო ნაკადებისთვის და მორგებული აპლიკაციებში ინტეგრაციისთვის. ხელმისაწვდომობა და ზუსტი სპეციფიკაციები დამოკიდებულია DeepSeek-ის ოფიციალური გამოშვების არხებზე. მომხმარებლებს ჩვეულებრივ შეუძლიათ წვდომა მოდელთან API‑ს, ჩათ-ინტერფეისის, ან ღია წონების გაშვებით (სადაც ეს შესაძლებელი) – რაც უზრუნველყოფს მოქნილობას ინდივიდუალურ ექსპერიმენტებისთვის და წარმოებაში განთავსებისთვის.
კრიტერიუმების დაყოფა
- მაღალი დონის chain-of-thought reasoning
- Extended context window
- Code generation and debugging support
- Multilingual understanding
- API და chat-based access
- Suitable for agentic applications
Pronoia
არაბული ენისთვის განკუთვნილი დიდი ენობრივი მოდელი ბუნებრივი გაგებისთვის და გენერაციისთვის დახვეწილი.
Pronoia არის დიდი ენობრივი მოდელი, რომელიც სპეციფიკურად არაბული ენისთვისაა შესწავლილი, რათა არაბულ ენაზე უფრო ზუსტი გაგება, გენერაცია და ლოგიკური მსჯელობა შესაძლებელი იყოს, ვიდრე საერთო-მიზანობრივი მრავალენოვანი მოდელები. ის არის წინამძღოლი არაბულენოვანი LLM, რომელსაც გააჩნია ოპტიმიზაცია დიალექტების, კლასიკური ფორმებისა და თანამედროვე სტანდარტული არაბული ენისთვის. მოდელი გამოიყენება სახელმძღვანელო შემცველობის შექმნაში, რეზიუმეში, თარგმანში, კლიენტთა მხარდაჭერასა და საუბარი AI-ში არაბულ ბაზარზე. საწვრთნელი მონაცემების არაბულ მონაცემებზე კონცენტრირებით, Pronoia სამიზნე ნიუანსებს, როგორიცაა მორფოლოგია, დიაკრიტიკული ნიშნები და კულტურული კონტექსტი, რომლებსაც უფრო ფართო მოდელები ხშირად არათანხმედი სახით განიხილავენ.
კრიტერიუმების დაყოფა
- არაბული ენისთვის ოპტიმიზირებული ენობრივი მოდელი
- ტექსტის გენერაცია და რეზიუმე
- თარგმანის მხარდაჭერა
- საკონვერსაციო და ჩატბოტ შესაძლებლობები
- საწარმოო არაბული NLP-ისთვის შესაფერისი
- MSA-სა და დიალექტების დაფარვა