GPT-4O、SORA、O1などのOpenAIの著名なリリースが特徴の1年で、オープンソースコミュニティは独自の印象的なモデルで着実に前進しています。その中には、わずか550万ドルの予算で開発されたオープンソースモデルであるDeepseek V3があります。 6850億のパラメーターと混合物（MOE）アーキテクチャにより、Deepseek V3はコーディングや翻訳などの分野で強く競合し、コスト効率とオープンソースの柔軟性を提供します。 Deepseek V3がGPT-4Oとどのように比較され、AI開発のためにテーブルにもたらすものを調べてみましょう。
プロンプト：エージェントAIの反射パターンを示す包括的なフローチャートを作成します。
これらは反射パターンに伴う手順です -
初期出力を生成します
セルフレビュー/批評出力
エラー、ギャップ、または改善領域を特定します
改善の提案を開発します
出力を修正/改良します
満足のいく結果が得られるまで、手順2-5を繰り返します
今すぐ新しいフローチャートを作成します
DeepSeek V3出力：
-------------------------<br> |初期出力を生成|<br> -------------------------<br> |<br> v<br> -------------------------<br> |セルフレビュー/批評出力|<br> -------------------------<br> |<br> v<br> -------------------------<br> |エラー、ギャップ、または改善領域を特定します|<br> -------------------------<br> |<br> v<br> -------------------------<br> |改善の提案を開発|<br> -------------------------<br> |<br> v<br> -------------------------<br> |出力を修正/改良|<br> -------------------------<br> |<br> v<br> -------------------------<br> |結果は満足のいくものですか？ |<br> -------------------------<br> |<br> -------- --------<br> | |<br> VV<br>はいいいえ<br> | |<br> VV<br> -------------------------<br> |最終出力|<br> -------------------------<br> |<br> v<br> -------------------------<br> |終了|<br> -------------------------
GPT 4o出力：
観察：
GPT-4Oのフローチャートは、適切なフィードバックループを実装するため、DeepSeek V3よりも効果的です。 V3のフローチャートは、満足のいく結果に基づいて意思決定パスを表示しようとしますが、「はい」と「いいえ」の結果の両方が同じ出力につながる論理的な欠陥があります。対照的に、GPT-4Oの設計は、不十分な結果がどのようにプロセスに戻るかを正しく示し、洗練の反復性をよりよく表しています。
評決：
deepseekv3❌| GPT 4o✅
このGPT 4o vs Deepseek V3ガイドの最初のタスクは、このWebサイトからゼブラパズルを持っています。
プロンプト：このゼブラパズルを解決し、最終結果の表を教えてください。
DeepSeek V3出力：
この応答をウェブサイトに置く：
GPT 4o出力：
このソリューションをウェブサイトに置く：
観察：
どちらのモデルも情報が利用できない要素にランダム名を割り当てましたが、V3は問題を正しく解決しましたが、GPT-4Oはそうしませんでした。
評決：
deepseekv3✅| GPT 4o❌
プロンプト：図は回路の一部を示しています。並列構成と直列構成の両方で組み合わされた抵抗で構成されています。同等の抵抗を見つけます。
DeepSeek V3出力：
GPT 4o応答：
観察：
指定された抵抗ネットワークのDeepSeek V3とGPT-4Oのソリューションを比較すると、GPT-4Oの1.29Ωの計算が正しいのに対し、DeepSeek V3の3.59Ωの結果は正しくありません。 GPT-4oは、（R1 R2 =3Ω）、R3 =3Ω、および（R4 R5 =9Ω）の3つの平行分岐で回路の構造を適切に識別し、最終結果に到達するために平行抵抗式（1/RT = 1/3 1/3 1/9 = 7/9）を正確に適用しました。 DeepSeek V3は、抵抗器を誤ってグループ化し、誤認されたシリーズと並列の組み合わせを誤ってグループ化することにより、重大なエラーを犯し、最終計算が不正確になりました。
評決：
deepseekv3❌| GPT 4o✅
プロンプト：記事atttps：//www.analyticsvidhya.com/blog/2024/07/building-agentic-rag-systems-with-langgraph/を読むために、ウィキペディアデータのベクトルデータベースを作成するプロセスを理解してください。次に、重要な手順の簡潔な要約を提供します。
DeepSeek V3出力：
GPT 4o出力：
観察：
DeepSeek V3とGPT-4Oの両方は、技術的に健全な説明を提供しますが、GPT-4Oの応答は、ベクターDB作成に関する元のクエリとより正確に整合しています。 DeepSeek V3は、前処理、インデックス作成、およびLanggraphの統合をカバーするより広範な技術的コンテキストを提供しますが、GPT-4Oは特に手元のタスクに直接対処するChromADB実装に焦点を当てています。どちらのアプローチにもメリットがありますが、尋ねられる特定の質問のために、GPT-4oのターゲット応答はより即座に適用できることが証明されます。
評決：
deepseekv3❌| GPT 4o✅
プロンプト：画像は、ほぼ同一の2つの部分に分割されます。ただし、左の画像には右の要素が存在している3つの要素があります。あなたの仕事は、これらの欠落している要素を識別することです。
DeepSeek V3出力：
GPT 4o出力：
観察：
V3は画像を直接分析することができず、一般的な応答を提供しました。 GPT-4は1つの正しい違いを特定しましたが、それが示唆した残りの違いは正しくありませんでした。
評決：
deepseekv3❌| GPT 4o❌
| タスク | 勝者 |
|---|---|
| フローチャート | GPT-4O |
| ゼブラパズル | Deepseek V3 |
| 物理回路の問題 | GPT-4O |
| 記事の概要 | GPT-4O |
| 違いを見つける | どちらでもない |
また読む：
GPT-4oが上記のタスクでDeepSeek V3を上回ったことは明らかです。ただし、パズルを解決するタスクでの成功は、その分野での特定の強さを強調しています。
そうは言っても、Deepseek V3は、オープンソースモデルがGPT-4oのような商用モデルと競合できることを証明していますが、すべて訓練が大幅に費用対効果が高い（550万ドル対1億ドル）。
Deepseek V3に飛び込み、そのすべての機能を探求することに本当に興奮しています。あなたはどうですか？両方のモデルを試しましたか？誰の反応がもっと好きでしたか？以下のコメントであなたの考えを共有してください！
Deepseekをゼロから学びましょう！ 「Deepseekを始めましょう」コースに参加して、AIのスキルを高めるための機能を調べてください。
以上がDeepseek V3対GPT-4O：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)
