Deepseek V3 vs GPT-4O: Yang lebih baik?

Dalam setahun yang ditandai dengan siaran Terbuka OpenAI seperti GPT-4O, SORA, dan O1, komuniti sumber terbuka telah terus maju dengan model yang mengagumkan sendiri. Antaranya ialah DeepSeek V3, model sumber terbuka yang dibangunkan dengan anggaran hanya $ 5.5 juta-lebih rendah daripada kos latihan GPT-4O ($ 100 juta). Dengan 685 bilion parameter dan senibina campuran-ekspertasi (MOE), DeepSeek V3 bersaing dengan kuat di kawasan seperti pengekodan dan terjemahan, sambil menawarkan kecekapan kos dan fleksibiliti sumber terbuka. Mari kita meneroka bagaimana DeepSeek V3 membandingkan dengan GPT-4O dan apa yang dibawa ke meja untuk pembangunan AI.

Jadual Kandungan

• Tugas 1: Buat carta aliran
• Tugas 2: Teka -teki Zebra
• Tugas 3: Masalah litar fizik
• Tugas 4: Ringkasan Artikel
• Tugas 5: Mencari Perbezaan
• GPT 4O vs Deepseek v3: Hasil Akhir
• Nota akhir

Tugas 1: Buat carta aliran

Prompt: Buat carta aliran komprehensif yang menggambarkan corak refleksi dalam agentik AI.
Ini adalah langkah -langkah yang terlibat dalam corak refleksi -

Menjana output awal
Self-review/kritikan output
Kenal pasti kesilapan, jurang, atau kawasan penambahbaikan
Membangunkan cadangan peningkatan
Semak semula/siapkan output
Ulangi langkah 2-5 sehingga hasil yang memuaskan dicapai
Buat carta aliran baru sekarang

Output DeepSeek V3:

 ---------------------<br> | Menjana output awal |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Self-review/kritikan output |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Kenal pasti kesilapan, jurang, atau kawasan penambahbaikan |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Membangunkan Cadangan Peningkatan |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Semak semula/Perihal Output |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Adakah hasilnya memuaskan? |<br> ---------------------<br> |<br> -------- --------<br> | |<br> vv<br> Ya tidak<br> | |<br> vv<br> ---------------------<br> | Output Akhir |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Akhir |<br> ---------------------

Output GPT 4O:

Pemerhatian:

Carta aliran GPT-4O lebih berkesan daripada DeepSeek V3 kerana ia melaksanakan gelung maklum balas yang betul. Walaupun carta aliran V3 cuba untuk menunjukkan laluan keputusan berdasarkan hasil yang memuaskan, ia mempunyai kecacatan logik di mana kedua -dua 'ya' dan 'tidak' hasil membawa kepada output yang sama. Sebaliknya, reka bentuk GPT-4O dengan betul menunjukkan bagaimana keputusan keputusan yang tidak memuaskan kembali ke dalam proses, lebih baik mewakili sifat penyempurnaan berulang.

Keputusan:

DeepSeek v3 ❌ | | GPT 4O ✅

Tugas 2: Teka -teki Zebra

Tugas pertama untuk panduan GPT 4O vs DeepSeek V3 ini, saya mempunyai teka -teki zebra dari laman web ini.

Prompt: Selesaikan teka -teki zebra ini dan beri saya jadual keputusan akhir.

Output DeepSeek V3:

Meletakkan respons ini di laman web:

Output GPT 4O:

Meletakkan penyelesaian ini di laman web:

Pemerhatian:

Walaupun kedua-dua model memberikan nama rawak kepada unsur-unsur di mana maklumat tidak tersedia, V3 betul menyelesaikan masalah, sedangkan GPT-4O gagal berbuat demikian.

Keputusan:

DeepSeek v3 ✅ | | GPT 4O ❌

Tugas 3: Masalah litar fizik

Prompt: Rajah menunjukkan sebahagian daripada litar. Ia terdiri daripada perintang yang digabungkan dalam konfigurasi selari dan siri. Cari rintangan yang setara.

Output DeepSeek V3:

Respons GPT 4O:

Pemerhatian:

Apabila membandingkan penyelesaian dari Deepseek V3 dan GPT-4O untuk rangkaian perintang yang diberikan, pengiraan GPT-4O sebanyak 1.29 Ω adalah betul manakala hasil Deepseek V3 dari 3.59 Ω adalah salah. GPT-4O dengan betul mengenal pasti struktur litar dengan tiga cawangan selari: (R1 R2 = 3Ω), R3 = 3Ω, dan (R4 R5 = 9Ω), kemudian menggunakan formula rintangan selari dengan tepat (1/RT = 1/3 1/3 1/9 = 7/9) untuk mencapai keputusan akhir. DeepSeek V3 membuat kesilapan kritikal dengan tidak betul mengumpulkan perintang, siri yang tidak mengenal pasti dan kombinasi selari, yang membawa kepada pengiraan akhir yang tidak tepat.

Keputusan:

DeepSeek v3 ❌ | | GPT 4O ✅

Tugas 4: Ringkasan Artikel

Prompt: Baca artikel athttps: //www.analyticsvidhya.com/blog/2024/07/building-agentic-rag-systems-with-langgraph/ untuk memahami proses membuat pangkalan data vektor untuk data wikipedia. Kemudian, berikan ringkasan ringkas langkah -langkah utama.

Output DeepSeek V3:

Output GPT 4O:

Pemerhatian:

Kedua-dua Deepseek V3 dan GPT-4O memberikan penjelasan yang jelas secara teknikal, tetapi tindak balas GPT-4O menyelaraskan lebih tepat dengan pertanyaan asal mengenai penciptaan vektor DB. Walaupun DeepSeek V3 menawarkan konteks teknikal yang lebih luas yang meliputi preprocessing, pengindeksan, dan integrasi Langgraph, GPT-4O memberi tumpuan khusus kepada pelaksanaan Chromadb, yang secara langsung menangani tugas di tangan. Kedua-dua pendekatan ini mempunyai merit mereka, tetapi untuk soalan khusus yang ditanya, tindak balas sasaran GPT-4O membuktikan lebih banyak digunakan dengan segera.

Keputusan:

DeepSeek v3 ❌ | | GPT 4O ✅

Tugas 5: Mencari Perbezaan

Prompt: Imej dibahagikan kepada dua bahagian yang hampir sama. Walau bagaimanapun, terdapat tiga elemen yang terdapat di imej kiri yang hilang di sebelah kanan. Tugas anda adalah untuk mengenal pasti unsur -unsur yang hilang ini.

Output DeepSeek V3:

Output GPT 4O:

Pemerhatian:

V3 tidak dapat menganalisis imej secara langsung dan memberikan respons generik. GPT-4 mengenal pasti satu perbezaan yang betul, tetapi perbezaan yang tersisa yang dicadangkan tidak betul.

Keputusan:

DeepSeek v3 ❌ | | GPT 4O ❌

GPT 4O vs Deepseek v3: Hasil Akhir

Tugas	Pemenang
Carta aliran	GPT-4O
Teka -teki Zebra	DeepSeek V3
Masalah litar fizik	GPT-4O
Ringkasan artikel	GPT-4O
Mencari perbezaan	Tidak

Baca juga:

• O1 vs O1 Pro: Adakah bernilai perbelanjaan $ 200?
• Adakah model O1 baru lebih baik daripada GPT-4O?
• Deepseek v3 vs Claude Sonnet 3.5: Mana yang lebih baik?

Nota akhir

Adalah jelas bahawa GPT-4O mengatasi DeepSeek V3 dalam tugas-tugas yang disebutkan di atas. Walau bagaimanapun, kejayaannya dalam tugas pemecahan teka-teki menyoroti kekuatan tertentu di kawasan itu.

Bahawa dikatakan, DeepSeek V3 membuktikan bahawa model sumber terbuka dapat bersaing dengan model komersial seperti GPT-4O, semuanya menjadi lebih efektif untuk melatih ($ 5.5 juta vs $ 100 juta).

Saya benar -benar teruja untuk menyelam ke Deepseek V3 dan meneroka pelbagai ciri -cirinya. Bagaimana dengan anda? Adakah anda telah mencuba kedua -dua model? Sambutan siapa yang anda sukai? Kongsi pendapat anda dalam komen di bawah!

Belajar DeepSeek dari awal! Sertai kursus "Bermula dengan DeepSeek" kami dan meneroka ciri -cirinya untuk meningkatkan kemahiran AI anda.

Atas ialah kandungan terperinci Deepseek V3 vs GPT-4O: Yang lebih baik?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!