DeepSeek V3獲競(jìng)技場(chǎng)最強(qiáng)開源認(rèn)證！與Claude 3.5 Sonnet實(shí)測(cè)來了
雙雙掉進(jìn)弱智吧陷阱
國(guó)產(chǎn)之光DeepSeek V3競(jìng)技場(chǎng)排名新鮮出爐——
優(yōu)于o1-mini（總榜第7），獲最強(qiáng)開源模型認(rèn)證（也是唯一闖入前10的開源模型）。
單項(xiàng)上，在困難提示、編程、數(shù)學(xué)，寫作等方面全面超越Claude 3.5 Sonnet。
不過，如果設(shè)置了風(fēng)格控制，Claude 3.5 Sonnet在理解困難提示方面還是要略勝一籌。
（風(fēng)格控制：剔除模型通過長(zhǎng)篇且格式良好的回復(fù)來迎合人類偏好）
由此也引發(fā)兩邊支持者激烈的爭(zhēng)論：
DeepSeek V3在實(shí)際編碼中真的比Claude 3.5 Sonnet強(qiáng)嗎？
帶著同款好奇，量子位&網(wǎng)友實(shí)測(cè)這就奉上。
實(shí)測(cè)DeepSeek V3和Sonnet 3.5
經(jīng)典腦筋急轉(zhuǎn)彎
第一關(guān)先來個(gè)開胃小菜，一道經(jīng)典腦筋急轉(zhuǎn)彎考查模型理解能力。
小明的媽媽有三個(gè)孩子，老大叫一明，老二叫二明，老三叫什么？
DeepSeek V3回答正確。它先明確了題目要求，然后邏輯滿分找出了正確答案（甚至還有自我驗(yàn)證）。
相比之下，Claude 3.5 Sonnet既正確又簡(jiǎn)潔。
當(dāng)然，考慮到腦筋急轉(zhuǎn)彎這種東西也受東西文化差異影響，我們?cè)賮硪坏馈?/p>
why are people tired on April Fool’s Day??（為什么人們?cè)谟奕斯?jié)很累？）
答案一般是“Because they have just had a long March”。因?yàn)樗麄儎偠冗^了一個(gè)很長(zhǎng)的三月(行軍)，March除了三月還有行軍的意思，這里考察對(duì)雙關(guān)的理解。
好嘛，DeepSeek V3果然歇菜了。從部分回答來看，它完全誤解了題目意圖，一本正經(jīng)地回答是因?yàn)槿藗兏械浇箲]、熬夜之類。
而Claude 3.5 Sonnet穩(wěn)穩(wěn)守住了主場(chǎng)，也是輕輕松松get了雙關(guān)。
顯而易見，Claude 3.5 Sonnet在第一關(guān)小試牛刀中全勝，而DeepSeek V3可能更偏向中文語境。
弱智吧邏輯陷阱+反轉(zhuǎn)詛咒
接下來難度升級(jí)，利用弱智吧經(jīng)典陷阱來考查模型邏輯能力。
臺(tái)上一分鐘，臺(tái)下十年功，為何不在臺(tái)上練功？
很好，DeepSeek V3又掉線了，精準(zhǔn)踩進(jìn)人類陷阱。（正能量滿滿可還行）
不過別擔(dān)心，你的難兄難弟Claude 3.5 Sonnet來陪你了(doge）。
看來面對(duì)充滿心機(jī)的弱智吧問題，二位選手都不在狀態(tài)。
Okk，不繼續(xù)在這上面為難二位了，下面來一道正兒八經(jīng)的“反轉(zhuǎn)詛咒”（即知道A是B卻不知道B是A）問題。
而兩位選手都一次性答對(duì)了Mary Lee Pfeiffer（湯姆·克魯斯的母親）的兒子是誰。
考研數(shù)學(xué)真題
下面進(jìn)入數(shù)學(xué)能力測(cè)試。比如這道考研數(shù)學(xué)真題，涉及的知識(shí)點(diǎn)是曲面積分、高斯定理等內(nèi)容：
直接上傳截圖，DeepSeek V3還是詳細(xì)按步驟解答，而且也做對(duì)了。
而Claude 3.5 Sonnet雖然看起來方法更簡(jiǎn)單，但最終答案錯(cuò)誤，功虧一簣。
編碼能力
重頭戲來了，最后來考查一下模型編碼能力。
剛好有位網(wǎng)友拿DeepSeek V3和Claude Sonnet 3.5進(jìn)行了測(cè)試，在Scroll Hub中分別用它倆創(chuàng)建網(wǎng)站。
博主在測(cè)試之后，認(rèn)為DeepSeek V3完全勝出。
小結(jié)一下，從有限測(cè)試來看，DeepSeek V3貌似確實(shí)能和Claude Sonnet 3.5打得有來有回。
滿血版o1空降第一
BTW，隨著DeepSeek V3競(jìng)技場(chǎng)排名一起變動(dòng)的，還有OpenAI的o1模型。
估計(jì)是“雙十二”期間正式上線的滿血版o1，此次超越o1-preview 24分，空降總榜第一。
而且除了創(chuàng)意寫作，各個(gè)單項(xiàng)都是第一。
所以，對(duì)于這幾家，大家在使用過程中感受如何呢？？
相關(guān)閱讀
