Deepseek V3 gegen GPT-4O: Was ist besser?

In einem Jahr, das von OpenAs bemerkenswerten Veröffentlichungen wie GPT-4O, Sora und O1 geprägt ist, hat die Open-Source-Community mit ihren eigenen beeindruckenden Modellen stetig vorgegangen. Unter ihnen ist Deepseek V3, ein Open-Source-Modell, das mit einem Budget von nur 5,5 Mio. USD entwickelt wurde-signifikant niedriger als die Trainingskosten von GPT-4O (100 Mio. USD). Mit 685 Milliarden Parametern und einer MEE-Architektur (Mischung aus Experten) konkurriert Deepseek V3 stark in Bereichen wie Codierung und Übersetzung und bietet gleichzeitig Kosteneffizienz und Flexibilität für Open-Source. Lassen Sie uns untersuchen, wie Deepseek V3 mit GPT-4O vergleichbar ist und was es für die KI-Entwicklung auf den Tisch bringt.

Inhaltsverzeichnis

• Aufgabe 1: Erstellen Sie ein Flussdiagramm
• Aufgabe 2: Zebra -Puzzle
• Aufgabe 3: Problem des Physikkreislaufs
• Aufgabe 4: Artikelzusammenfassung
• Aufgabe 5: Unterschiede finden
• GPT 4O gegen Deepseek V3: Endergebnis
• Endnote

Aufgabe 1: Erstellen Sie ein Flussdiagramm

Eingabeaufforderung: Erstellen Sie ein umfassendes Flussdiagramm, das das Reflexionsmuster in der Agenten -KI veranschaulicht.
Dies sind die Schritte, die am Reflexionsmuster beteiligt sind -

Erstellen Sie die anfängliche Ausgabe
Self-View/Kritik die Ausgabe
Identifizieren Sie Fehler, Lücken oder Verbesserungsbereiche
Verbesserungsvorschläge entwickeln
Überarbeiten/verfeinern Sie die Ausgabe
Wiederholen Sie die Schritte 2-5, bis ein zufriedenstellendes Ergebnis erzielt wird
Erstellen Sie jetzt ein neues Flussdiagramm

Deepseek V3 Ausgang:

 ---------------------<br> | Erstellen Sie die erste Ausgabe |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Self-View/Kritik die Ausgabe |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Identifizieren Sie Fehler, Lücken oder Verbesserungsbereiche |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Verbesserungsvorschläge entwickeln |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Überarbeiten/verfeinern Sie die Ausgabe |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Ist das Ergebnis zufriedenstellend? |<br> ---------------------<br> |<br> -------- --------<br> | |<br> VV<br> Ja nein<br> | |<br> VV<br> ---------------------<br> | Endgültige Ausgabe |<br> ---------------------<br> |<br> v<br> ---------------------<br> | Ende |<br> ---------------------

GPT 4O -Ausgabe:

Beobachtung:

Der Flussdiagramm von GPT-4O ist effektiver als Deepseek V3s, da es eine ordnungsgemäße Rückkopplungsschleife implementiert. Während der Flussdiagramm von V3 versucht, Entscheidungspfade zu zeigen, die auf zufriedenstellenden Ergebnissen basieren, hat es einen logischen Fehler, bei dem sowohl "Ja" als auch "Nein" -Ergebnisse zu demselben Ausgang führen. Im Gegensatz dazu zeigt das Design von GPT-4O korrekt, wie unbefriedigend die Ergebnisse in den Prozess zurückkehren und die iterative Natur der Verfeinerung besser darstellen.

Urteil:

Deepseek v3 ❌ | Gpt 4o ✅

Aufgabe 2: Zebra -Puzzle

Die erste Aufgabe für diesen GPT 4O vs Deepseek V3 -Leitfaden habe ich ein Zebra -Puzzle von dieser Website.

Eingabeaufforderung: Lösen Sie dieses Zebra -Puzzle und geben Sie mir eine Tabelle mit Endergebnis.

Deepseek V3 Ausgang:

Setzen Sie diese Antwort auf die Website:

GPT 4O -Ausgabe:

Setzen Sie diese Lösung auf die Website:

Beobachtung:

Während beide Modelle Elemente, bei denen Informationen nicht verfügbar waren, zufällige Namen zugewiesen haben, löste V3 das Problem korrekt auf, während GPT-4O dies nicht tat.

Urteil:

Deepseek v3 ✅ | Gpt 4o ❌

Aufgabe 3: Problem des Physikkreislaufs

Eingabeaufforderung: Abbildung zeigt einen Teil einer Schaltung. Es besteht aus Widerständen, die sowohl in parallelen als auch in Serienkonfigurationen kombiniert werden. Finden Sie den äquivalenten Widerstand.

Deepseek V3 Ausgang:

GPT 4O -Antwort:

Beobachtung:

Beim Vergleich der Lösungen aus Deepseek V3 und GPT-4O für das gegebene Widerstandsnetzwerk ist die Berechnung von 1,29 ω von GPT-4O korrekt, während Deepseek V3s Ergebnis von 3,59 Ω falsch ist. GPT-4O identifizierte die Struktur der Schaltung ordnungsgemäß mit drei parallelen Zweigen: (R1 R2 = 3Ω), R3 = 3 Ω und (R4 R5 = 9 Ω), und dann die parallele Widerstandsformel (1/rt = 1/3 1/3 1/9 = 7/9) so genau angewendet, um das Endergebnis zu erreichen. Deepseek V3 machte kritische Fehler, indem sie fälschlicherweise Widerstände, falsch identifizierende Serien und parallele Kombinationen gruppiert haben, was zu seiner ungenauen endgültigen Berechnung führte.

Urteil:

Deepseek v3 ❌ | Gpt 4o ✅

Aufgabe 4: Artikelzusammenfassung

Eingabeaufforderung: Lesen Sie den Artikel athttps: //www.analyticsvidhya.com/blog/2024/07/building-agentic-rag-systems-with-langgraph/to, um den Prozess der Erstellung einer Vektordatenbank für Wikipedia-Daten zu verstehen. Geben Sie dann eine kurze Zusammenfassung der wichtigsten Schritte an.

Deepseek V3 Ausgang:

GPT 4O -Ausgabe:

Beobachtung:

Sowohl Deepseek V3 als auch GPT-4O liefern technisch fundierte Erklärungen, aber die Antwort von GPT-4o entspricht genauer mit der ursprünglichen Abfrage zur Vektor-DB-Erstellung. Während Deepseek V3 einen breiteren technischen Kontext für die Vorverarbeitung, Indexierung und Langgraph-Integration bietet, konzentriert sich GPT-4O speziell auf die Chromadb-Implementierung, die sich direkt mit der anhaltenden Aufgabe befasst. Beide Ansätze haben ihre Verdienste, aber für die spezifische Frage erweist sich die gezielte Antwort von GPT-4O sofort.

Urteil:

Deepseek v3 ❌ | Gpt 4o ✅

Aufgabe 5: Unterschiede finden

Eingabeaufforderung: Das Bild ist in zwei Teile unterteilt, die nahezu identisch sind. Im linken Bild sind jedoch drei Elemente vorhanden, die im rechten Fehlenden fehlen. Ihre Aufgabe ist es, diese fehlenden Elemente zu identifizieren.

Deepseek V3 Ausgang:

GPT 4O -Ausgabe:

Beobachtung:

V3 konnte das Bild nicht direkt analysieren und lieferte eine generische Antwort. GPT-4 identifizierte einen korrekten Unterschied, aber die verbleibenden Unterschiede, die sie vorgeschlagen haben, waren falsch.

Urteil:

Deepseek v3 ❌ | Gpt 4o ❌

GPT 4O gegen Deepseek V3: Endergebnis

Aufgabe	Gewinner
Flussdiagramm	Gpt-4o
Zebra -Puzzle	Deepseek v3
Physikkreis Problem	Gpt-4o
Artikelzusammenfassung	Gpt-4o
Unterschiede finden	Weder

Lesen Sie auch:

• O1 gegen O1 Pro: Lohnt es sich, 200 Dollar auszugeben?
• Ist das neue O1-Modell besser als GPT-4O?
• Deepseek V3 gegen Claude Sonnet 3.5: Was ist besser?

Endnote

Es ist offensichtlich, dass GPT-4O Deepseek V3 in den oben genannten Aufgaben übertraf. Sein Erfolg bei der Rätsellösung zeigt jedoch ihre besondere Stärke in diesem Bereich.

Trotzdem beweist Deepseek V3, dass Open-Source-Modelle mit kommerziellen Modellen wie GPT-4O konkurrieren können und gleichzeitig wesentlich kostengünstiger für den Train sind (5,5 Mio. USD gegenüber 100 Mio. USD).

Ich bin aufrichtig aufgeregt, in Deepseek V3 einzutauchen und die gesamte Auswahl an Funktionen zu erkunden. Was ist mit dir? Haben Sie beide Modelle ausprobiert? Wessen Antwort hat dir besser gefallen? Teilen Sie Ihre Gedanken in den Kommentaren unten!

Lerne Deepseek von Grund auf neu! Nehmen Sie an unserem Kurs „Erste Schritte mit Deekseek“ teil und erkunden Sie seine Funktionen, um Ihre KI -Fähigkeiten zu steigern.

Das obige ist der detaillierte Inhalt vonDeepseek V3 gegen GPT-4O: Was ist besser?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!