AIの風景は最近、Deepseek-R1との厳しい競争であるOpenaiのO3-Miniのリリースによって最終的に元気づけられました。どちらも、推論とコーディング機能を強化するために設計された高度な言語モデルです。ただし、アーキテクチャ、パフォーマンス、アプリケーション、アクセシビリティが異なります。このOpenai O3-Mini vs Deepseek-R1比較では、これらのパラメーターを検討し、論理的推論、STEM問題解決、およびコーディングを含むさまざまなアプリケーションでのパフォーマンスに基づいてモデルを比較します。それでは、最高のモデルが勝つように始めましょう！
中国のAIスタートアップであるDeepseekが開発したオープンソースモデルです。高度な推論能力と費用対効果のために認識されており、独自のモデルに競争力のある代替品を提供しています。 また読む：qwen2.5-maxはdeepseek-r1およびkimi k1.5？
| Feature | OpenAI o3-mini | DeepSeek-R1 |
| Accessibility | Available through OpenAI’s API services; requires API key for access. | Freely accessible; can be downloaded and integrated into various applications. |
| Transparency | Proprietary model; source code and training data are not publicly available. | Open-source model; source code and training data are publicly accessible. |
| Cost | .10 per million input tokens; .40 per million output tokens. |
.14 per million input tokens (cache hit); .55 per million input tokens (cache miss); .19 per million output tokens. |
また読む：deepseek R1対openai o1 vs sonnet 3.5：Battle of the Best LLMS
数学的推論
：アメリカの招待数学試験（AIME）ベンチマークでは、O3-MINI（高）がDeepSeek-R1を10％以上上回り、数学的な問題解決におけるその優位性を示しています。
注：O3-MINIとDeepSeek-R1はどちらも推論モデルであるため、その応答はしばしば長く、思考プロセス全体を説明します。したがって、私はあなたに出力のスニペットを見せて、分析の応答を説明するだけです。
タスク1：コーディング
「iPythonディスプレイを使用してGoogleコラブノートブック内で実行されるJavaScriptコードを生成します。アニメーションには、次の機能を備えた6つのバウンスボールが容器に表示される必要があります。
応答：
ここでモデルによって生成された完全なコードを見つけることができます。 コードの出力：
出力：モデル
| Model | Video |
|---|---|
| OpenAI o3-mini (high) | |
| DeepSeek-R1 |
deepseek-r1はコードを考えて生成するのに1m45秒かかりましたが、o3-miniはわずか27秒でそれをしました！
両方のモデルは、互いに似た適切に構造化されたコードを作成しましたが、それらのアニメーションはまったく異なっていました。 O3-Miniの出力は、白い背景の大きなボールを特徴としており、黒い背景にあるDeepseek-R1と比較して明確に見えました。
o3-miniのコードは、プロンプトに従って、すべてが茶色になるまで色を混ぜます。一方、Deepseek-R1のアニメーションは、より良い精度で色の混合を示し、プロンプトに言及されていない色をもたらしました。ただし、R1のコードは衝突時にボールを統合しましたが、これは求められたものではありませんでした。したがって、このタスクでは、O3-MINIが応答の正確性と視覚の明確さの向上により勝ちます。 スコア：openai o3-mini：1 | deepseek-r1：0 タスク2：論理的推論
このタスクでは、論理的推論を使用して、いくつかの手がかりに基づいてパズルを解くようにモデルに依頼します。 プロンプト： "アレックス、ベティ、キャロル、ダン、アール、フェイ、ジョージ、ハリーは組織の8人の従業員です。彼らは3つの部門で働いています：人事、管理、マーケティングのうち3つ以下の部門に。彼らのそれぞれには、サッカー、クリケット、バレーボール、バドミントン、芝生、バスケットボール、ホッケー、卓球のスポーツの選択肢があります。必ずしも同じ順序ではありません。 ダンは管理で働いており、サッカーやクリケットのいずれも好きではありません。フェイは、卓球が好きなアレックスと一緒に人員と一緒に働いています。
アールとハリーはダンと同じ部門で働きます。サッカー。バレーボールが好きな人は人事で働いています。管理で働く人は誰もバドミントンまたは芝生のテニスを好みません。
管理部門で働く従業員は誰ですか？」応答：deepseek-r1
|
|
両方のモデルは、彼らの思考プロセスを説明し、論理的に正しい答えを与えることができました。彼らは両方とも答えに到達するのにほぼ1.5分かかりました。
OpenaiのO3-Miniは、最も単純で最も直接的な手がかりに基づいて分析を開始しました。その後、人々を部門に割り当て、スポーツを決定し、最終的に答えを把握しました。すべてのステップで、モデルは使用された手がかりと洞察が得られた手がかりをリストアップしました。その思考プロセスを説明しながら、モデルはその推定された洞察を再確認し、確認し続け、より信頼性を高めました。最終的な応答は、長くても、誰もが簡単に理解できるように非常によく説明されていました。
Deepseek-R1は、手がかりに基づいて異なる部門に人々（およびその詳細）を直接割り当てることにより、異なるアプローチを取りました。思考プロセスは会話のトーンで説明されましたが、非常に長いものでした。ただし、最終的な応答は、十分に構造化された正確であるが、O3-MINIと比較して説明がない。手がかりと洞察についてのみ言及しました より良い説明とより信頼できる思考プロセスで、O3-Miniはこのラウンドに勝ちます。 スコア：openai o3-mini：2 | deepseek-r1：0
タスク3：STEM問題解決 科学、技術、工学、数学（STEM）のモデルのスキルをテストするには、モデルに電気回路の計算を行うように依頼します。
「10オームの抵抗（R）、インダクタ（L）0.5時間、および100μFのコンデンサ（C）を備えたシリーズRLC回路で、60 Hzで50 VのAC電圧源（C）が適用されます。計算：
a。回路のインピーダンス b。回路を流れる電流 c。電圧と電流の間の位相角
計算で使用されるすべての手順と式を表示します
応答：
openai o3-mini（high）
|
|
|
OpenaiのO3-Miniは11秒の稲妻で質問に答えましたが、Deepseek-R1は同じ応答を与えるのに80秒かかりました。
両方のモデルが同じ計算を示しましたが、同様の構造に従って、O3-Miniは6つの短いステップでその思考プロセスを説明しました。一方、Deepseek-R1はプロセスと計算を説明するのに多くの時間がかかり、少し退屈または遅くなりました。o3-miiniは、明示的にそうするように言われることなく、計算された現在の値を締めくくるほど賢いものでした。さらに、O3-MINIの応答は手順を詳細に示したので、思考プロセスをスキップして答えに到達することができました。したがって、O3-Miniはこのタスクにも投票します
スコア：
openai o3-mini：3 | deepseek-r1：0最終スコア：Openai O3-Mini：3 | deepseek-r1：0
アプリケーションのパフォーマンス比較概要
| Parameter | OpenAI o3-mini (high) | DeepSeek-R1 |
| Time taken to think | Exceptionally fast in STEM and coding-related tasks. | Takes longer to think and generate responses, with a long chain of thought. |
| Explanation of thought process | Step-by-step thought process explained in points. Also shows steps of verification. | Very detailed explanation of the thought process, following a conversational tone. |
| Accuracy of response | Crosschecks and verifies the response every step of the way. | Gives accurate responses, but doesn’t provide any assurance of accuracy. Tends to intuitively add info on its own. |
| Quality of response | More detailed responses with simple explanations for better understanding. | More concise responses, answering to the point, without much explanation. |
OpenaiのO3-MiniとDeepseekのR1の両方が、それぞれに明確な利点がある高度な推論とコーディング機能を提供します。 O3-MINIは、R1と比較してプロンプトをよりよく理解していると思われる高速モデルです。また、O3-MINIはすべてのステップでその思考プロセスを再確認および検証し、より信頼性と正確にします。 ただし、O3-Miniは価格がありますが、DeepSeek-R1はオープンソースモデルであり、ユーザーがアクセスしやすくします。したがって、推論を進めることのないシンプルな日常のタスクには、DeepSeek-R1が最適です。しかし、より複雑なタスクとより速い応答のために、O3-MINIを選択する必要があります。したがって、2つのモデル間の選択は、パフォーマンスのニーズ、予算の制約、カスタマイズの必要性など、特定のアプリケーション要件に依存します。
今日からAIの旅を始めましょう！ Openai O3-Miniを始めて、その強力な機能を楽に探索してください！よくある質問 q1。 Openai O3-MiniとDeepSeek-R1の主な違いは何ですか？ OpenaiのO3-MINIは、速度と効率のために最適化された独自のモデルですが、DeepSeek-R1は、その費用対効果とアクセシビリティで知られているオープンソースモデルです。 O3-MINIはタスクをコーディングするためにDeepSeek-R1よりも優れていますか？ JavaScriptアニメーションテストで実証されているように、OpenaiのO3-Miniは、より高速でより正確な応答を生成することにより、コーディングタスクでDeepSeek-R1を上回ります。 O3-MINIは、推論能力の観点からDeepSeek-R1と比較しますか？ OpenaiのO3-Miniには、より構造化されたアプローチがあり、その手順を検証し、DeepSeek-R1は会話トーンの詳細な説明を提供します。 R1はより直感的であり、プロンプトに存在しない要素を導入する傾向があります。 deepseek-r1はo3-miniよりも安いですか？ DeepSeek-R1は、オープンソースの価格設定モデルに従うため、大幅に安価ですが、OpenaiのAPIを介したトークン使用ごとのOpenai O3-Mini料金。 DeepSeek-R1は特定のアプリケーション用にカスタマイズできますか？はい、オープンソースであるDeepSeek-R1を使用すると、開発者は特定のユースケースのために微調整して変更できます。一方、OpenaiのO3-Miniは、カスタマイズオプションが限られている独自のモデルです。 o3-miniはdeepseek-r1よりも速いですか？ OpenaiのO3-Miniは特に速く、DeepSeek-R1が服用していた時間のほんの一部、特にSTEMおよびコーディングタスクで多くの場合応答します。 DeepSeek-R1は、複雑な問題解決に対して信頼できますか？ DeepSeek-R1は推論とコーディングのタスクでうまく機能しますが、O3-MINIほど徹底的にその手順を明示的に検証することはありません。これにより、高精度アプリケーションの信頼性が低下します
以上がOpenai O3-Mini vs Deepseek-R1：どちらが良いですか？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
