Pretekla bitka · 2025-08-08 UTC
LLM Obračun — 8. avgust 2025
Iz kategorije LLM. 28 oznake postavljenih med 6 borci. DeepSeek V3 je osvojil krono.
Končna razvrstitev
Postava
Borci
Profili vsakega orodja, ki je tekmovalo v tej bitki, razvrščeni po končnem rezultatu.
DeepSeek V3
Odprtokodni model mešanice strokovnjakov, ki ponuja razmišljanje na nivoju GPT‑4o po delčku stroškov.
DeepSeek V3 je obsežen mixture-of-experts (MoE) jezikovni model, ki ga je razvilo podjetje DeepSeek AI. Aktivira le podmnožico vseh svojih parametrov na token, kar mu omogoča močno zmogljivost pri razmišljanju, matematiki in kodiranju, hkrati pa ohranja stroške inferenciranja bistveno nižje kot pri primerljivih dense modelih. Objavljen z odprtimi utežmi, DeepSeek V3 je postal priljubljena izbira med razvijalci in raziskovalci, ki potrebujejo zmogljiv osnovni model, ki ga lahko samostojno gostijo, prilagodijo ali integrirajo prek API-ja. Benchmarki ga postavljajo v konkurenčno razmerje z vodilnimi lastniškimi modeli, kot je GPT-4o, zlasti pri ocenjevanju matematičnih in logičnih nalog. Model je dobro primeren za tehnične asistente, potek generiranja kode, delovne tokove raziskav in katerokoli aplikacijo, kjer sta pomembni kakovost sklepanja in učinkovitost proračuna.
Razdelitev kriterijev
- Arhitektura mešanice strokovnjakov
- Konkurenčni rezultati na benchmarkih za razmišljanje in matematiko
- Odprtokodni uteži modela
- API dostop prek platforme DeepSeek
- Podpora za dolgo okno konteksta
- Enostavna fina nastavitev
Janus pro
DeepSeekov odprti multimodalni model za generiranje slik in vizualno razumevanje v eni unifikirani arhitekturi.
Janus Pro je odprtokodni multimodalni AI model podjetja DeepSeek, na voljo v različicah z 1 mrd in 7 mrd parametrov. Združuje vizualno razumevanje in ustvarjanje slik v en sam okvir, saj ločuje poti vizualnega kodiranja, kar modelu omogoča tako interpretacijo slik kot tudi njihovo ustvarjanje iz tekstualnih navodil. 7B varianta prinaša konkurenčne rezultate na benchmarkih za sintezo besedila-v-izgled in vizualno odgovarjanje na vprašanja, pogosto se ujema ali presegajo večje specializirane modele. Objavljeno pod MIT licenco, Janus Pro lahko samostojno gostite, fino prilagajate in vključite v raziskovalne ali proizvodne tokove brez omejitev uporabe. Primerna je za razvijalce, raziskovalce in hobiste, ki potrebujejo fleksibilen multimodalni temeljni model za eksperimentiranje, prototipiranje ali gradnjo aplikacij, ki združujejo ustvarjanje slik z razumevanjem slik.
Razdelitev kriterijev
- Generiranje slik iz besedila
- Vizualno odgovarjanje na vprašanja in analiza slik
- Unifikirana transformacijska arhitektura
- Možnosti z 1 mrd. in 7 mrd. parametri
- MIT-licencirani odprti modeli
- Podpora multimodalnemu vhodu in izhodu
DeepSeek R1
Odprtokodni veliki jezikovni model, ki izstopa pri razmišljanju, matematiki in programiranju, z licenco MIT za brezplačno uporabo in spreminjanje.
DeepSeek R1 je odprtokodni veliki jezikovni model, ki izstopa pri razmišljanju, matematiki in programiranju. Uporablja arhitekturo Mixture of Experts (MoE) s 37 B aktivnimi parametri in 671 B skupnimi parametri, podpora za 128 K dolžino konteksta. Model vključuje napredne tehnike okrepitvenega učenja, da doseže samoverifikacijo, večkorakovno refleksijo in razmišljanje usklajeno s človekom. DeepSeek R1 je dosegel state-of-the-art zmogljivost v različnih benchmarkih, vključno s 97,3 % natančnostjo na MATH‑500, 79,8 % stopnjo uspešnosti na AIME 2024 ter prehitel 96,3 % udeležencev Codeforces. Model je na voljo v več različicah, od 1,5 B do 70 B parametrov, in je licenciran pod MIT za brezplačno uporabo in spreminjanje. DeepSeek R1 lahko uporabljate brezplačno na spletu, različica, ki izkorišča WebGPU, pa lahko teče lokalno v brskalniku. Model je zasnovan za reševanje kompleksnih problemov, večjezično razumevanje in generiranje kode proizvodne kakovosti. Njegove prednosti vključujejo izjemno matematično razmišljanje, generiranje kode ter sposobnosti naravnega jezikovnega razumevanja. Vendar pa kot odprtokodni model lahko zahteva tehnično strokovnost za njegovo namestitev in fino nastavljanje za specifične primere uporabe. DeepSeek R1 se uvršča med vrhunske AI modele po vsem svetu, s sposobnostmi, ki so primerljive z vodilnimi lastniškimi rešitvami. Njegova open‑source narava omogoča razvoj, ki ga poganja skupnost, in stalne nadgradnje, vključno s načrtovano multimodalno podporo, izboljšanjem konverzacijskih zmogljivosti ter optimizacijo porazdeljene inferenčne. Model ima čisto reinforcement learning razvoj, kar mu omogoča doseganje matematične zmogljivosti na nivoju GPT-4 po precej nižjih stroških. Možnost vizualizacije chain-of-thought naslavlja izzive AI "black box" in zagotavlja vpogled v proces razmišljanja modela. DeepSeek R1-jev API ponuja OpenAI‑kompatibilno končno točko za integracijo po ceni $0.14 na milijon žetonov. Teže modela so odprtokodne, kar omogoča komercialno uporabo in spreminjanje.
Razdelitev kriterijev
- Arhitektura Mešanice strokovnjakov (MoE)
- Napredne tehnike okrepljenega učenja
- Samospreverjanje in večkorakovne refleksijske zmožnosti
- Razmišljanje usklajeno z ljudmi
- Podpora za dolžino konteksta 128 K
- API končna točka, združljiva z OpenAI
ASI:One
Agentičen AI asistent, ki koordinira avtonomne agente za izpolnitev večstopinjnih nalog.
ASI:One je AI pomočnik, ki temelji na konceptu agentne inteligence, kjer pogovorni vmesnik lahko pošilja in koordinira specializirane samostojne agente za obravnavo zapletenih zahtev. Namesto da bi vrnil le besedilo, lahko načrtuje, kliče orodja in izvaja delovne tokove v imenu uporabnika. Razvito znotraj ekosistema Artificial Superintelligence Alliance je postavljeno kot osebni AI agent, ki se integrira z dezentraliziranimi omrežji agentov. Uporabniki z njim lahko vodijo pogovore o vsakodnevnih vprašanjih ali delegirajo daljše naloge, kot so raziskave, primerjave, načrtovanje in iskanje podatkov preko povezanih storitev.
Razdelitev kriterijev
- Razgovorni vmesnik za klepet
- Orkestracija avtonomnih agentov
- Načrtovanje in izvajanje večstopinjnih nalog
- Povezljivost z zunanjimi agenti in storitvami
- Zapisnik in kontekst v slogu osebnega asistenta
- Ustvarjeno na ASI Alliance agent stack
Latest DeepSeek R2
Model AI prihodnjega generacije, osredotočen na razmišljanje, iz DeepSeek
Najnovejša DeepSeek R2 je naslednik DeepSeekovega modela R1 za razmišljanje, zasnovan za zagotavljanje močnejšega korak po koraku reševanja problemov v matematiki, kodiranju in analitičnih nalogah. Namen je razširiti odprt raziskovalni pristop, ki je naredil prejšnje izdaje DeepSeek priljubljene med razvijalci in raziskovalci. Model je usmerjen k izboljšani natančnosti, daljšemu obravnavanju konteksta in bolj učinkovitemu inference v primerjavi s svojim predhodnikom, kar ga dela primernega za tehnične pomočnike, agentične delovne tokove in integracijo v prilagojene aplikacije. Dostopnost in natančne specifikacije so odvisne od uradnih kanalov izdaje DeepSeek. Uporabniki lahko običajno dostopajo do modela prek API, vmesnika za klepet ali z izvajanjem odprtih teže, če so na voljo, kar omogoča fleksibilnost tako za posamezno eksperimentiranje kot za proizvodno uvajanje.
Razdelitev kriterijev
- Napredno verižno razmišljanje
- Razširjen kontekstni prostor
- Podpora za ustvarjanje kode in odpravljanje napak
- Večjezično razumevanje
- API in dostop prek klepeta
- Primeren za agentične aplikacije
Pronoia
Arabsko-centriran velik jezikovni model, prilagojen za razumevanje in generiranje z materni kakovostjo.
Pronoia je velik jezikovni model, posebej fino prilagojen arabščini, ki cilja na natančnejše razumevanje, generiranje in sklepanja v jeziku kot splošni večjezični modeli. Je vodilni arabsko-osredotočen LLM, ki je optimiziran za dialekte, klasične oblike in sodobni standardni arabski jezik. Model se lahko uporablja za naloge, kot so ustvarjanje vsebin, povzemanje, prevajanje, podpora strankam in pogovorna AI na trgih, ki govorijo po arabskem jeziku. Z usmeritvijo svojega usposabljanja na arabskih podatkih Pronoia zajema subtilnosti, kot so morfologija, diakritični znaki in kulturni kontekst, ki jih širši modeli pogosto obravnavajo neskladno.
Razdelitev kriterijev
- Arabsko optimiziran jezikovni model
- Generiranje besedil in povzemanje
- Podpora za prevajanje
- Možnosti pogovornega in chatbot-a
- Prilagojen za poslovno NLP v arabščini
- Pokriva sodobno standardno arabščino in dialekte