Loading...

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

AI资讯6天前发布 aizhushou
10 0

新Scaling Laws是真的,计算时间越长,表现越强

西风 发自 凹非寺

量子位 | 公众号 QbitAI

DeepSeek版o1来了,发布即上线,现在就能玩!

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

模型名为DeepSeek-R1-Lite,预览版在难度较高数学和代码任务上超越o1-preview,大幅领先GPT-4o等。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

据了解,DeepSeek-R1-Lite使用强化学习训练,推理含大量反思和验证,遵循新的Scaling Laws——

推理越长,表现更强。

如下展示,在AIME测试基准中,随着计算时间增加,其得分稳步提升。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

值得一提的是,官方还表示,目前模型仍在开发阶段,经持续迭代,正式版DeepSeek-R1模型将完全开源,包括公开技术报告并提供API。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

这下网友们纷纷坐不住,已齐刷刷码住开始实测了。

网友实测在此

登录官方网页,打开深度思考按钮,就能体验DeepSeek-R1-Lite预览版。

每天有默认50次的免费使用。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

下面这位小哥让模型破解如下密码:

9 2 8 5 (一个数字正确但位置错误)

1 9 3 7 (两个数字正确但位置错误)

5 2 0 1 (一个数字正确且位置正确)

6 5 0 7 (没有数字正确)

8 5 24 (两个数字正确但位置错误)

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

没成想OpenAI o1-preview在这个测试中答错了(3289),而DeepSeek-R1-Lite-Preview推理正确,直接给出了正确答案3841。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

还有网友来了个系统性测试,一通体验后感觉是:

数学能力:该模型在数学推理问题上看起来很有效。基准测试结果确实反映了模型在数学推理能力上的潜力。这是一个值得密切关注的模型。

编码任务:在解决编程问题时,表现稍显不足。例如,在生成用于转置矩阵的bash脚本这样的简单代码问题上,它未能成功解决,而o1模型可以轻松解决。

复杂知识理解:我还尝试了在一个更难的字谜游戏上测试它,但它表现得非常糟糕。公平地说,即使o1模型在这个需要现代知识引用的测试中也同样表现不佳。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

这位网友最后还补充道:

我认为该模型在代码和数学任务上表现出色,这可能得益于DeepSeek团队在这些领域的明确优化。然而,在“推理”步骤上仍有改进空间。

在某些情况下,模型似乎能够在生成推理步骤时自我纠正,表现出类似原生“自我反思”的能力。不过,没有训练数据、模型架构和技术报告/论文的细节,很难确认这一点。

期待未来的开源模型和API!

除此之外,也有网友在测试中发现,模型玩井字棋(tic tac toe)还是不太行。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源 DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

不过,有网友反馈现在的一些新模型能够稳定地玩这个游戏,但不能在第一次尝试时就成功。

如果继续尝试,它们实际上可以画出正确的结果。

DeepSeek版o1炸场,数学代码超越OpenAI,每天免费玩50次,后续将开源

好了,感兴趣的童鞋赶紧自己实测一波吧~

官网:

参考链接:

[1]

[2]

[3]

© 版权声明

相关文章

暂无评论

暂无评论...