Tidligere kamp · 2026-02-20 UTC
LLM Oppgjør — 20. februar 2026
Fra kategorien LLM. 14 merker plassert på tvers av 3 kjempere. DeepSeek R1 tok kronen.
Endelige plasseringer
Oppstillingen
Kjemperne
Profiler av hvert verktøy som konkurrerte i denne kampen, rangert etter sin endelige poengsum.
DeepSeek R1
En åpen kildekode stor språkmodell som utmerker seg i resonnering, matematikk og kodeoppgaver, med MIT-lisens for fri bruk og modifisering.
DeepSeek R1 er en open‑source stor språkmodell som utmerker seg i resonnering, matematikk og programmeringsoppgaver. Den bruker en Mixture of Experts (MoE)-arkitektur med 37 milliarder aktive parametere og 671 milliarder totale parametere, og støtter en kontekstlengde på 128 K. Modellen integrerer avanserte reinforcement learning‑teknikker for å oppnå selv‑verifisering, flertrinns refleksjon og menneske‑justert resonnering. DeepSeek R1 har oppnådd state‑of‑the‑art‑resultater i ulike benchmarks, inkludert 97,3 % nøyaktighet på MATH‑500, 79,8 % bestått på AIME 2024, og overgår 96,3 % av Codeforces‑deltakerne. Modellen finnes i flere varianter, fra 1,5 B til 70 B parametere, og er lisensiert under MIT for fri bruk og modifisering. DeepSeek R1 kan brukes gratis på nett, og en WebGPU‑akselerert versjon kan kjøres lokalt i en nettleser. Modellen er designet for komplekse problemløsninger, flerspråklig forståelse og produksjonsklar kodegenerering. Dens styrker inkluderer eksepsjonell matematisk resonnering, kodegenerering og naturlig språkforståelse. Imidlertid, som en åpen kildekode-modell, kan den kreve teknisk ekspertise for å implementere og finjustere for spesifikke brukstilfeller. DeepSeek R1 er plassert blant de best presterende AI‑modellene globalt, med kapasiteter som er sammenlignbare med ledende proprietære løsninger. Den åpne kildekode‑naturen gjør det mulig for fellesskapsdrevet utvikling og kontinuerlige oppgraderinger, inkludert planlagt multimodal støtte, samtale‑forbedring og distribuert inferensoptimalisering. Modellen har en ren reinforcement learning-utvikling, som gjør at den kan oppnå GPT-4-nivå matematikkytelse til en betydelig lavere kostnad. Chain-of-thought-visualiseringskapasiteten adresserer AI "black box"-utfordringer, og gir innsikt i modellens resonneringsprosess. DeepSeek R1s API tilbyr et OpenAI-kompatibelt endepunkt for integrering, priset til $0.14 per million tokens. Modellens vekter er open-source, og tillater kommersiell bruk og modifisering.
Kriteriumfordeling
- Mixture of Experts (MoE)-arkitektur
- Avanserte forsterkningslærings‑teknikker
- Selv‑verifisering og flerstegs refleksjonsevner
- Menneske‑tilpasset resonnering
- Støtte for 128 K kontekstlengde
- OpenAI‑kompatibel API‑endpoint
Pixtral 12B 24.09
Åpne multimodale 12B-modellen håndterer overlapped billed- og tekstinput med en kontekstvindu på 128K.
Pixtral 12B 24.09 er en multimodal modell fra Mistral AI som kan behandle både bilde og tekst innenfor en enkelt sekvens, støtter variabel størrelse og bildesiderat. Den bruker en 12 milliard-parameterners språkgjenger i kombinasjon med en visjonsdekoder, noe som gjør det mulig å utføre oppgaver som visuell spørresvar, dokumentforståelse, diagramanalyse og bildetekst. Modellen aksepterer opp til en kontekst på 128K tegn, noe som muliggjør å interlevere flere bilder med lang tekst i ett anrop. Den blir gitt ut under et åpent lisens, og kan deployes lokalt eller via infromasjonserleveranser, noe som gjør det egnet for utviklere som bygger visjons-lengses applikasjoner, forskningsflyt og multimodal agenter.
Kriteriumfordeling
- 12B-parametrert visjons- og språkmodell
- Overlapped billed- og tekstinput
- 128K tegnet kontekstlengde
- Innbygd støtte for variasjoner i bildesøringsstørrelse
- Åpen vektutgivelse
- Passende for OCR, VQA og kapitelframing
DeepSeek V3
Åpen kildekode-blandingsmodell med eksperter som tilbyr GPT-4o-nivå- resonnement til en brøkdel av kostnaden.
DeepSeek V3 er en storskala blandingsmodell av eksperter (MoE) utviklet av DeepSeek AI. Den aktiverer kun en delmengde av sine totale parametere per token, noe som gjør det mulig å levere sterk ytelse innen resonnement, matematikk og kodingsoppgaver samtidig som slutningskostnadene holdes betydelig lavere enn sammenlignbare kompakte modeller. Lansert med åpne vekter, har DeepSeek V3 blitt et populært valg for utviklere og forskere som trenger en kapabel grunnmodell de kan selv-hosting, finjustere eller integrere via API. Benchmarks plasserer den konkurransedyktig mot ledende proprietære modeller som GPT-4o, spesielt på matematiske og logiske resonnement-evalueringer. Modellen er godt egnet for tekniske assistenter, kodegenereringsrørledninger, forskningsarbeidsflyter og alle applikasjoner hvor både resonnementkvalitet og budsjetteffektivitet betyr noe.
Kriteriumfordeling
- Blandingsarkitektur med eksperter
- Konkurransedyktige benchmarking-resultater for resonnement og matematikk
- Åpen kildekode-modellvektorer
- API-tilgang via DeepSeek-plattformen
- Langt kontekstvindusupport
- Finjusteringvennlig