飞得高、靠得住——带你了解天问二号“专属座驾”
飞得高、靠得住——带你了解天问二号“专属座驾”
飞得高、靠得住——带你了解天问二号“专属座驾”《科创板(kēchuàngbǎn)日报》5月29日讯 DeepSeek昨晚通过微信交流群通知，其DeepSeek R1模型完成小(xiǎo)版本升级，并在今日(jīnrì)凌晨开源了最新版本模型DeepSeek-R1-0528。
代码测试平台(píngtái)Live CodeBench中显示，DeepSeek-R1-0528性能可以媲美(pìměi)OpenAI最新的(de)o3（High）模型。
小K今日以一名普通用户的身份，参考(cānkǎo)AI基准测试xbench的例题，在DeepSeek和(hé)OpenAI官网分别对它们最新(zuìxīn)的R1模型和o3模型进行了对比测试。
第1题小K请DeepSeek和OpenAI模型分别写了一个可以在网页上运行的“三国杀”游戏。测试维度包括(bāokuò)代码生成、可运行性、模块化(mókuàihuà)能力和交互设计(shèjì)。
DeepSeek的回答直接输出了完整的网页游戏(yóuxì)源码，并且点击(diǎnjī)能(néng)直接运行。前端界面美观，具备基础美术元素，能完成简单对战逻辑。
相比之下，OpenAI给出的解决方案则将前端(qiánduān)、脚本和逻辑分别输出(shūchū)在3个独立代码块(kuài)中，用户需自行保存为多个文件，运行(yùnxíng)时还伴有报错，需要手动调试，不能完成对战。而且界面粗糙、无UI美化。
这道题DeepSeek胜出。DeepSeek模型在“代码工程化”能力上已有显著(xiǎnzhù)优势，表现出对前端框架的更好(gènghǎo)理解。
第2题是一道典型的函数(hánshù)构造与嵌套函数推导题：已知(yǐzhī)f(f(x))=x2−11x+36f(f(x))=x^2-11x+36，求f(5)。测试维度(wéidù)包括函数反演、代数(dàishù)推理能力和数学逻辑清晰度。
DeepSeek耗时351秒推导出(chū)解法，思考过程非常长，进行了反复演算和验算，过程详细且逻辑缜密，从代入(dàirù)法到固定点分析再到反设求解，最后合理排除矛盾值，最终得出f(5)=6的唯一(wéiyī)解答(jiědá)。
OpenAI则用时仅41秒，给出了同样正确的答案，而且(érqiě)逻辑清晰、推理精炼(jīngliàn)。推出固定点、构造反函数思路合理，无冗余步骤。
这一题尽管DeepSeek和OpenAI最终均给出了正确答案，但DeepSeek推理(tuīlǐ)时间长，在数学题场景(chǎngjǐng)仍待优化。
第3题是：黑龙江、吉林、辽宁，共有(gòngyǒu)多少个地市级行政单位与外国接壤？测试维度包括地理常识(chángshí)、事实检索和数据整合能力。
这道题的正确答案是(shì)12个。而DeepSeek仅回答了5个。
DeepSeek推理过程(guòchéng)中错误理解(lǐjiě)了“地市级单位”是否一定拥有边境口岸。例如将黑龙江部分地市（如伊春、鹤岗）忽略，导致其推理思路(sīlù)存在漏算。
反观OpenAI正确地点名了12个(gè)地市。
第4题是：有一个被剪做鞋样的历史文物，对研究(yánjiū)唐代均田制起到了重要的作用，这个文物中记载的年份，有一位唐朝的一代名(míng)相去世，请问这位名相有几个儿子？测试维度包括历史考据、细节(xìjié)辨析能力和文献准确性(zhǔnquèxìng)。
DeepSeek在此题中(zhōng)出现(chūxiàn)了幻觉，造成误判，DeepSeek错将有“一个被剪做鞋样的历史文物”关联至"唐代(tángdài)田界砖"，虽最后回答出“有4子”，但纯属偶合。
OpenAI正确识别文物(wénwù)“赵怀满夏田契”署于贞观十七年（643年），对应去世人物为魏徵，并指出魏徵有(wèizhēngyǒu)四子：魏叔玉、魏叔琬、魏叔璘、魏叔瑜。识别精准，逻辑链条完整无误。引用旧唐书(jiùtángshū)、新唐书等文献，考证准确(zhǔnquè)。
第5题是：《乐队的夏天》各季top5乐队中一共(yīgòng)有多少名女性成员？测试维度包括多维信息提取(xìnxītíqǔ)、成员归属辨析、数据整合能力。
DeepSeek依次列举了三季节目中(zhōng)的Top5乐队，并从中(cóngzhōng)筛选女性成员（如新裤子的赵梦、刺猬的石璐、安达(āndá)组合的其其格玛等），统计(tǒngjì)结果为5位女性成员，并对女性在乐队中所扮演的角色进行了总结（主唱、贝斯手、鼓手等）。用时不到1分钟即完成高质量(gāozhìliàng)统计+表格整理，效率高。
OpenAI也给出了相同的数量，考证细致，但花费近(jìn)6分钟，在(zài)交互场景中显得拖沓。
通过以上实测可以看出，DeepSeek R1的(de)(de)表现非常接近甚至在部分任务上超过了OpenAI最新O3模型。在代码生成、复杂函数推理(tuīlǐ)、统计等方面，DeepSeek展现出全面且稳定的进步，正快速缩小与(yǔ)顶级闭源模型的差距。
（科创板(kēchuàngbǎn)日报 朱凌）
《科创板(kēchuàngbǎn)日报》5月29日讯 DeepSeek昨晚通过微信交流群通知，其DeepSeek R1模型完成小(xiǎo)版本升级，并在今日(jīnrì)凌晨开源了最新版本模型DeepSeek-R1-0528。
代码测试平台(píngtái)Live CodeBench中显示，DeepSeek-R1-0528性能可以媲美(pìměi)OpenAI最新的(de)o3（High）模型。
小K今日以一名普通用户的身份，参考(cānkǎo)AI基准测试xbench的例题，在DeepSeek和(hé)OpenAI官网分别对它们最新(zuìxīn)的R1模型和o3模型进行了对比测试。
第1题小K请DeepSeek和OpenAI模型分别写了一个可以在网页上运行的“三国杀”游戏。测试维度包括(bāokuò)代码生成、可运行性、模块化(mókuàihuà)能力和交互设计(shèjì)。
DeepSeek的回答直接输出了完整的网页游戏(yóuxì)源码，并且点击(diǎnjī)能(néng)直接运行。前端界面美观，具备基础美术元素，能完成简单对战逻辑。
相比之下，OpenAI给出的解决方案则将前端(qiánduān)、脚本和逻辑分别输出(shūchū)在3个独立代码块(kuài)中，用户需自行保存为多个文件，运行(yùnxíng)时还伴有报错，需要手动调试，不能完成对战。而且界面粗糙、无UI美化。
这道题DeepSeek胜出。DeepSeek模型在“代码工程化”能力上已有显著(xiǎnzhù)优势，表现出对前端框架的更好(gènghǎo)理解。
第2题是一道典型的函数(hánshù)构造与嵌套函数推导题：已知(yǐzhī)f(f(x))=x2−11x+36f(f(x))=x^2-11x+36，求f(5)。测试维度(wéidù)包括函数反演、代数(dàishù)推理能力和数学逻辑清晰度。
DeepSeek耗时351秒推导出(chū)解法，思考过程非常长，进行了反复演算和验算，过程详细且逻辑缜密，从代入(dàirù)法到固定点分析再到反设求解，最后合理排除矛盾值，最终得出f(5)=6的唯一(wéiyī)解答(jiědá)。
OpenAI则用时仅41秒，给出了同样正确的答案，而且(érqiě)逻辑清晰、推理精炼(jīngliàn)。推出固定点、构造反函数思路合理，无冗余步骤。
这一题尽管DeepSeek和OpenAI最终均给出了正确答案，但DeepSeek推理(tuīlǐ)时间长，在数学题场景(chǎngjǐng)仍待优化。
第3题是：黑龙江、吉林、辽宁，共有(gòngyǒu)多少个地市级行政单位与外国接壤？测试维度包括地理常识(chángshí)、事实检索和数据整合能力。
这道题的正确答案是(shì)12个。而DeepSeek仅回答了5个。
DeepSeek推理过程(guòchéng)中错误理解(lǐjiě)了“地市级单位”是否一定拥有边境口岸。例如将黑龙江部分地市（如伊春、鹤岗）忽略，导致其推理思路(sīlù)存在漏算。
反观OpenAI正确地点名了12个(gè)地市。
第4题是：有一个被剪做鞋样的历史文物，对研究(yánjiū)唐代均田制起到了重要的作用，这个文物中记载的年份，有一位唐朝的一代名(míng)相去世，请问这位名相有几个儿子？测试维度包括历史考据、细节(xìjié)辨析能力和文献准确性(zhǔnquèxìng)。
DeepSeek在此题中(zhōng)出现(chūxiàn)了幻觉，造成误判，DeepSeek错将有“一个被剪做鞋样的历史文物”关联至"唐代(tángdài)田界砖"，虽最后回答出“有4子”，但纯属偶合。
OpenAI正确识别文物(wénwù)“赵怀满夏田契”署于贞观十七年（643年），对应去世人物为魏徵，并指出魏徵有(wèizhēngyǒu)四子：魏叔玉、魏叔琬、魏叔璘、魏叔瑜。识别精准，逻辑链条完整无误。引用旧唐书(jiùtángshū)、新唐书等文献，考证准确(zhǔnquè)。
第5题是：《乐队的夏天》各季top5乐队中一共(yīgòng)有多少名女性成员？测试维度包括多维信息提取(xìnxītíqǔ)、成员归属辨析、数据整合能力。
DeepSeek依次列举了三季节目中(zhōng)的Top5乐队，并从中(cóngzhōng)筛选女性成员（如新裤子的赵梦、刺猬的石璐、安达(āndá)组合的其其格玛等），统计(tǒngjì)结果为5位女性成员，并对女性在乐队中所扮演的角色进行了总结（主唱、贝斯手、鼓手等）。用时不到1分钟即完成高质量(gāozhìliàng)统计+表格整理，效率高。
OpenAI也给出了相同的数量，考证细致，但花费近(jìn)6分钟，在(zài)交互场景中显得拖沓。
通过以上实测可以看出，DeepSeek R1的(de)(de)表现非常接近甚至在部分任务上超过了OpenAI最新O3模型。在代码生成、复杂函数推理(tuīlǐ)、统计等方面，DeepSeek展现出全面且稳定的进步，正快速缩小与(yǔ)顶级闭源模型的差距。
（科创板(kēchuàngbǎn)日报 朱凌）
相关推荐
评论列表
暂无评论，快抢沙发吧~
欢迎 你 发表评论: