GoonDeepSeek R1 vs OpenAI o1 and o3-mini Models: A Comprehensive Comparison
AI 领域正在迅速发展，新的模型几乎每周都会出现。在本文中，我们将比较 DeepSeek R1、OpenAI o1 和 o3-mini 模型以及阿里巴巴的新 Qwen 2.5 Max 模型在三个任务中的表现：解决问题、编码和网页设计。
模型介绍
DeepSeek R1 目前在 App Store 上排名第一，我们将将其与其他流行的模型进行比较，包括 o3-mini、o1 和 Quen 2.5 Max。我们还将测试一个具有 140 亿参数的本地托管版本的 DeepSeek R1。
解决问题任务
第一个任务是解决问题的挑战，我们将提供一段有意引入错误的代码，并要求模型识别和修复问题。DeepSeek R1 在 21 秒内响应，识别出两个主要问题：拼写错误和 CSS 错误。Quen 2.5 Max 快速响应，不仅识别出拼写错误和 CSS 错误，还识别出事件委托问题。OpenAI o1 在 12 秒内响应，识别出拼写错误和 CSS 错误，但没有识别出事件委托问题。
编码任务
第二个任务是编码挑战，我们将要求模型生成代码，以在悬停链接时创建一个自定义鼠标指针。DeepSeek R1 在 58 秒内响应，提供了一个创建青绿色圆圈但未替换原始指针的解决方案。Quen 2.5 Max 快速响应，提供了一个创建自定义指针的解决方案。OpenAI o1 在 38 秒内响应，提供了一个创建自定义 SVG 指针的解决方案。
网页设计任务
第三个任务是网页设计挑战，我们将提供一个有意引入错误的设计，并要求模型识别和推荐修复方法。DeepSeek R1 识别出拼写错误、不良的视觉层次结构和不良的间距，但没有提供具体建议。OpenAI o1 识别出具体问题，例如标题无法使用、联系方式不明确和视觉层次结构错误。
结论
根据结果，OpenAI o1 在所有任务中表现良好，其次是 Quen 2.5 Max 和 DeepSeek R1。具有 140 亿参数的 DeepSeek R1 本地托管版本的表现不如预期。
总体而言，虽然 DeepSeek R1 有潜力，但其表现不如围绕它的炒作那么令人印象深刻。Quen 2.5 Max 在编码任务中表现出色，而 OpenAI o1 在所有任务中始终提供智能且相关的信息。