重點摘要
架構差異：DeepSeek R1 的混合專家（MoE）設計優化了邏輯密集型任務的效能，而 Claude 3.5 的專有架構則強調多功能性與多語言能力。
任務專業化：DeepSeek R1 在程式設計（Codeforces 96.3%）與數學（AIME 79.8%）方面表現出色，而 Claude 3.5 則擅長多語言理解、視覺推理及更廣泛的對話情境。
成本效益 vs. 速度：DeepSeek R1 更經濟實惠且為開源，適合需要自訂化的開發者。Claude 3.5 輸出速度更快但成本較高。Novita AI 推出 Turbo 版本，吞吐量提升 3 倍，並享有限時 60% 折扣！
在快速發展的人工智慧領域中，Anthropic 的 Claude 3.5 Sonnet 與 DeepSeek 的 R1 已成為關鍵角色。兩款模型在不同時間發布，皆展現了先進的能力，並以其獨特的功能與效能表現獲得了廣泛關注。
DeepSeek R1 與 Claude 3.5：基本介紹
| **功能 ** | DeepSeek R1 | Claude 3.5 Sonnet |
|---|---|---|
| 發布日期 | 2025 年 1 月 20 日 | 2024 年 10 月 22 日 |
| 模型大小 | 6710 億參數（總計），每個 Token 啟動 370 億 | 約 1000 億參數 |
| 支援語言 | 主要為中文與英文 | 多語言 |
| 模型架構 | 混合專家（MoE），透過大規模強化學習訓練，極少使用監督式微調 | 專有架構 |
| 上下文視窗 | 128k 個 Token | 200k 個 Token |
| 量化精度 | BF16、F8_E4M3、F32（依 Hugging Face 資料） | 來源未明確指定 |
| 開放原始碼 | 是 | 否 |
| 開發者 | DeepSeek | Anthropic |
| 多模態能力 | 僅文字 | 支援解讀圖表與圖形 |
Deepseek R1
- DeepSeek R1 專為需要進階推理與程式設計輔助的任務而設計。它採用混合專家（MoE）架構，僅針對每個 Token 啟動其龐大參數中的一部分，從而優化運算效率。透過大規模強化學習（RL）訓練，並極少使用監督式微調（SFT），DeepSeek R1 強調邏輯與問題解決能力。
Claude 3.5 Sonnet
- Claude 3.5 Sonnet 是 Anthropic 最先進的模型，結合了卓越效能與更快的速度。它擁有大型上下文視窗，擅長理解細微且複雜的指令。作為 Claude 3.5 模型系列的一員，它在程式碼編寫與工具使用等方面較前代有顯著提升。
您可以在 Novita AI 上免費試用 Deepseek R1 系列！
DeepSeek R1 與 Claude 3.5：基準測試
| **基準測試 ** | ** 描述 ** | DeepSeek R1 | Claude 3.5 Sonnet |
|---|---|---|---|
| Codeforces（百分位數） | 程式設計問題解決的百分位數。 | 96.3% | 20.3% |
| Codeforces（評分） | 程式設計競賽評分。 | 2029 | 717 |
| SWE Verified（已解決） | 軟體工程問題解決率。 | 49.2% | 50.8% |
| LiveCodeBench（Pass@1-COT） | 使用鏈式思考推理的程式碼撰寫成功率。 | 65.9% | 33.8% |
| AIME 2024（Pass@1） | 進階數學問題解決率。 | 79.8% | 16.0% |
| MMLU-Pro（EM） | 專業級任務準確率。 | 84.0% | 78.0% |
| GPQA-Diamond（Pass@1） | 通用問答能力。 | 71.5% | 65.0% |
| AlpacaEval2.0（LC-winrate） | 語言理解與對話任務。 | 87.6% | 52.0% |
| ArenaHard（GPT-4-1106） | 與 GPT-4 比較的困難推理任務。 | 92.3% | 85.2% |
| 除錯準確率 | 識別並修復程式碼錯誤的能力。 | 90% | 75% |
Deepseek R1
DeepSeek R1 在程式設計、除錯與進階數學推理方面表現出色，非常適合技術性與邏輯密集型的任務。其在 Codeforces、AIME 與除錯準確率等基準測試中的強勁表現，彰顯了它在這些領域的能力。
Claude 3.5 Sonnet
Claude 3.5 Sonnet 雖然在程式設計與數學方面較弱，但在語言理解與通用知識任務中表現良好，更適合多語言與對話類應用。
DeepSeek R1 與 Claude 3.5：速度與成本
Deepseek R1 與 Claude 3.5 速度比較
Deepseek R1 與 Claude 3.5 成本比較
以上數據來自 artificial analysis
Claude 在效能指標上表現更佳（更快的輸出速度與更低的延遲），但價格也高出許多。DeepSeek R1 更為經濟，但回應與生成速度較慢。選擇取決於特定使用案例中，速度與反應性還是成本效益哪個優先。
不過，Novita AI 推出 Turbo 版本，吞吐量提升 3 倍，並享有限時 60% 折扣！
DeepSeek R1 與 Claude 3.5：任務測試
任務一：邏輯推理
提示詞： 「你走進一個房間，看到一張床。床上有一隻樹懶、四隻貓、一隻長頸鹿、五頭牛和一隻鴨子。房間裡還有三張椅子和一張桌子。地板上有多少條腿？」
Deepseek R1 結果
Claude 3.5 結果
評析：
- 推理深度：DeepSeek R1 展現了更深入、更全面的推理過程，考慮了問題的各個面向。
- 準確性：DeepSeek R1 最終得出正確答案（22），而 Claude 3.5 錯誤地得出 20。
- 自我驗證能力：DeepSeek R1 持續回顧並檢查其推理，而 Claude 3.5 缺乏此自我驗證機制。
- 模糊性處理：DeepSeek R1 能夠處理問題中的模糊之處（例如床是否有腿），而 Claude 3.5 則未加說明地做出簡單假設。
- 思考透明度：DeepSeek R1 的思考過程更加透明，讓人能夠理解其推理路徑。
任務二：科學推理
提示詞： 「你有一個強力雷射和一面完美反射的鏡子。如何瞄準雷射，使反射光束永遠不會回到你身邊？」
Deepseek R1 結果
Claude 3.5 結果
評析：
- DeepSeek R1 展現出明顯更強的科學推理能力：
- 物理準確性：DeepSeek R1 的答案在物理上是正確的，遵循既有的光學原理，而 Claude 3.5 的答案包含根本性的誤解。
- 邏輯一致性：DeepSeek R1 在整個解釋中保持邏輯一致，而 Claude 3.5 的回應存在內部矛盾。
- 問題解決：DeepSeek R1 正確解決了問題，提供了有效的解決方案範圍，而 Claude 3.5 提出了一個不可能的解決方案。
- 科學素養：DeepSeek R1 展現了對反射定律的正確理解，而 Claude 3.5 似乎混淆了基本的光學概念。
任務三：問題解決能力
提示詞： 「撰寫一個可以解決數獨謎題的程式」
Deepseek R1 結果
def find_empty(grid):
for row in range(9):
for col in range(9):
if grid[row][col] == 0:
return (row, col) # Return empty cell position
return None # No empty cells left
def is_valid(grid, num, pos):
row, col = pos
# Check row
for i in range(9):
if grid[row][i] == num and i != col:
return False
# Check column
for i in range(9):
if grid[i][col] == num and i != row:
return False
# Check 3x3 subgrid
start_row = (row // 3) * 3
start_col = (col // 3) * 3
for i in range(start_row, start_row + 3):
for j in range(start_col, start_col + 3):
if grid[i][j] == num and (i, j) != pos:
return False
return True
def solve(grid):
empty = find_empty(grid)
if not empty:
return True # Puzzle solved
row, col = empty
for num in range(1, 10):
if is_valid(grid, num, (row, col)):
grid[row][col] = num # Place number
if solve(grid):
return True # Continue solving
grid[row][col] = 0 # Backtrack if invalid
return False # Trigger backtracking
def print_grid(grid):
for row in grid:
print(row)
# Example Sudoku puzzle (0 represents empty cells)
grid = [
[5,3,0,0,7,0,0,0,0],
[6,0,0,1,9,5,0,0,0],
[0,9,8,0,0,0,0,6,0],
[8,0,0,0,6,0,0,0,3],
[4,0,0,8,0,3,0,0,1],
[7,0,0,0,2,0,0,0,6],
[0,6,0,0,0,0,2,8,0],
[0,0,0,4,1,9,0,0,5],
[0,0,0,0,8,0,0,7,9]
]
if solve(grid):
print("Solved Sudoku:")
print_grid(grid)
else:
print("No solution exists")
Claude 3.5 結果
def print_board(board):
for i in range(9):
if i % 3 == 0 and i != 0:
print("- - - - - - - - - - - -")
for j in range(9):
if j % 3 == 0 and j != 0:
print("|", end=" ")
if j == 8:
print(board[i][j])
else:
print(str(board[i][j]) + " ", end="")
def find_empty(board):
for i in range(9):
for j in range(9):
if board[i][j] == 0:
return (i, j)
return None
def valid(board, num, pos):
# Check row
for j in range(9):
if board[pos[0]][j] == num and pos[1] != j:
return False
# Check column
for i in range(9):
if board[i][pos[1]] == num and pos[0] != i:
return False
# Check box
box_x = pos[1] // 3
box_y = pos[0] // 3
for i in range(box_y * 3, box_y * 3 + 3):
for j in range(box_x * 3, box_x * 3 + 3):
if board[i][j] == num and (i, j) != pos:
return False
return True
def solve(board):
empty = find_empty(board)
if not empty:
return True
row, col = empty
for num in range(1, 10):
if valid(board, num, (row, col)):
board[row][col] = num
if solve(board):
return True
board[row][col] = 0
return False
# Example puzzle (0 represents empty cells)
board = [
[5, 3, 0, 0, 7, 0, 0, 0, 0],
[6, 0, 0, 1, 9, 5, 0, 0, 0],
[0, 9, 8, 0, 0, 0, 0, 6, 0],
[8, 0, 0, 0, 6, 0, 0, 0, 3],
[4, 0, 0, 8, 0, 3, 0, 0, 1],
[7, 0, 0, 0, 2, 0, 0, 0, 6],
[0, 6, 0, 0, 0, 0, 2, 8, 0],
[0, 0, 0, 4, 1, 9, 0, 0, 5],
[0, 0, 0, 0, 8, 0, 0, 7, 9]
]
print("Original Sudoku:")
print_board(board)
print("\
Solving...\
")
if solve(board):
print("Solved Sudoku:")
print_board(board)
else:
print("No solution exists")
評析：
- 演算法實作：兩者不相上下，都正確實作了數獨求解演算法。
- 程式碼可讀性：Claude 3.5 生成的程式碼稍好，特別是提供了更友善的列印功能。
- 使用者體驗：Claude 3.5 提供了更完整的用戶體驗，包括處理階段的回饋。
- 程式碼風格：兩者都保持了良好且一致的 Python 程式碼風格。
- 實用性：Claude 3.5 生成的程式碼由於輸出格式更清晰，在實際使用中可能略勝一籌。
如何透過 API 使用 DeepSeek R1？
Novita AI 是一個 AI 雲端平台，提供開發者透過簡單的 API 輕鬆部署 AI 模型，同時也提供平價且可靠的 GPU 雲端服務，用於建置與擴展。
步驟 1：登入並進入模型庫
登入您的帳戶，然後點選 模型庫 按鈕。
步驟 2：選擇您的模型
瀏覽可用選項，選擇符合您需求的模型。
步驟 3：開始免費試用
開始免費試用，探索所選模型的能力。
步驟 4：取得您的 API 金鑰
為了驗證 API 身分，我們將提供您一組新的 API 金鑰。進入「設定」頁面，您可以按照圖片指示複製 API 金鑰。
步驟 5：安裝 API
使用您程式語言專屬的套件管理器安裝 API。
安裝完成後，將必要的函式庫匯入您的開發環境。使用您的 API 金鑰初始化 API，開始與 Novita AI LLM 互動。以下是以 Python 使用者為例的聊天補全 API 使用範例。
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="<YOUR Novita AI API Key>",
)
model = "deepseek/deepseek_r1"
stream = True # or False
max_tokens = 2048
system_content = """Be a helpful assistant"""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Hi there!",
}
],
stream=stream,
max_tokens=max_tokens,
temperature=temperature,
top_p=top_p,
presence_penalty=presence_penalty,
frequency_penalty=frequency_penalty,
response_format=response_format,
extra_body={
"top_k": top_k,
"repetition_penalty": repetition_penalty,
"min_p": min_p
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
DeepSeek R1 與 Claude 3.5 Sonnet 各有其獨特優勢。DeepSeek R1 在數學、程式碼撰寫與邏輯問題解決方面表現優異，作為開源模型，它兼具成本效益與自訂性，非常適合開發者、研究人員或預算有限的組織。
Claude 3.5 Sonnet 則在多語言任務、程式碼生成、視覺推理與處理大型上下文視窗方面表現出色。其透過 API 的無縫整合，使其成為研究、內容創作與進階聊天機器人的多功能選擇。
選擇取決於任務需求與使用者的優先考量，例如成本、領域專業性或易用性。
常見問題
哪個模型更具成本效益？
DeepSeek R1 的價格明顯低於 Claude 3.5 Sonnet，特別是在輸入與輸出 Token 方面。同時，Novita AI 提供 DeepSeek R1 Turbo，這是 DeepSeek R1 的最佳化版本，擁有 **3 倍吞吐量 **、完整支援函式呼叫，並享有限時 60% 折扣！
每個模型的上下文視窗大小為何？
DeepSeek R1 的上下文視窗為 128k 個 Token，而 Claude 3.5 Sonnet 提供更大的 200k 個 Token 上下文視窗。
DeepSeek R1 是開源的嗎？
是的，DeepSeek R1 是完全開源的，允許本地部署與自訂。
Novita AI 是一個一站式雲端平台，助力您的 AI 抱負。整合 API、無伺服器、GPU 實例——您所需的成本效益工具。消除基礎設施負擔，免費開始，實現您的 AI 願景。
