雙雙掉進弱智吧陷阱

原標題：DeepSeek V3獲競技場最強開源認證！與Claude 3.5 Sonnet對比實測來了
文章來源：量子位
內容字數(shù)：2672字

國產大模型DeepSeek V3強勢崛起，與Claude 3.5 Sonnet展開激烈競爭

近日，國產大模型DeepSeek V3在競技場排名中表現(xiàn)亮眼，優(yōu)于o1-mini，位列總榜第七，并榮獲最強開源模型認證，成為唯一進入前十的開源模型。在困難提示、編程、數(shù)學和寫作等方面，DeepSeek V3全面超越Claude 3.5 Sonnet，引發(fā)了雙方支持者激烈的討論。

1. 競技場排名與實測對比： DeepSeek V3在競技場排名中表現(xiàn)突出，但在實際應用中與Claude 3.5 Sonnet的優(yōu)劣仍存在爭議。量子位及網友進行了實測，結果顯示兩款模型各有千秋。

2. 腦筋急轉彎測試： 簡單的腦筋急轉彎測試中，DeepSeek V3和Claude 3.5 Sonnet均能正確解答中文腦筋急轉彎。但在英文雙關語測試中，DeepSeek V3未能理解雙關含義，而Claude 3.5 Sonnet輕松解答，顯示出Claude 3.5 Sonnet在處理英文語境下的幽默和雙關方面更具優(yōu)勢，DeepSeek V3可能更擅長中文語境。

3. 邏輯陷阱與反轉詛咒測試： 在弱智吧邏輯陷阱測試中，兩款模型均未能給出正確答案。但在“反轉詛咒”測試中，兩款模型均正確回答了關于Mary Lee Pfeiffer兒子身份的問題。

4. 數(shù)學能力測試： 考研數(shù)學真題測試中，DeepSeek V3能夠詳細解答并給出正確答案，而Claude 3.5 Sonnet雖然方法簡便，但最終答案錯誤。

5. 編碼能力測試： 網友在Scroll Hub中使用兩款模型創(chuàng)建網站的測試結果顯示，DeepSeek V3完全勝出。

6. o1模型空降第一： OpenAI的o1模型滿血版上線，在競技場排名中超越o1-preview 24分，空降總榜第一，除了創(chuàng)意寫作，各個單項均排名第一。

7. 總結： 有限的測試結果顯示DeepSeek V3與Claude 3.5 Sonnet各有優(yōu)勢，DeepSeek V3在部分領域表現(xiàn)更強，尤其是在中文語境和編碼方面。但Claude 3.5 Sonnet在處理英文雙關和一些特定場景下表現(xiàn)更出色。o1模型的出現(xiàn)，也進一步加劇了大模型領域的競爭。

8. 進一步探討： 實際應用中，模型的優(yōu)劣還取決于具體的應用場景和任務需求，用戶需要根據(jù)自身需求選擇合適的模型。

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業(yè)新突破