实测DeepSeek V3与Claude 3.5 Sonnet
一水 发自 凹非寺
量子位 | 公众号 QbitAI
国产之光DeepSeek V3竞技场排名新鲜出炉——
优于o1-mini（总榜第7），获最强开源模型认证（也是唯一闯入前10的开源模型）。
单项上，在困难提示、编程、数学，写作等方面全面超越Claude 3.5 Sonnet。
不过，如果设置了风格控制，Claude 3.5 Sonnet在理解困难提示方面还是要略胜一筹。
（风格控制：剔除模型通过长篇且格式良好的回复来迎合人类偏好）
由此也引发两边支持者激烈的争论：
DeepSeek V3在实际编码中真的比Claude 3.5 Sonnet强吗？
带着同款好奇，量子位&网友实测这就奉上。
实测DeepSeek V3和Sonnet 3.5
经典脑筋急转弯
第一关先来个开胃小菜，一道经典脑筋急转弯考查模型理解能力。
小明的妈妈有三个孩子，老大叫一明，老二叫二明，老三叫什么？
DeepSeek V3回答正确。它先明确了题目要求，然后逻辑满分找出了正确答案（甚至还有自我验证）。
相比之下，Claude 3.5 Sonnet既正确又简洁。
当然，考虑到脑筋急转弯这种东西也受东西文化差异影响，我们再来一道。
why are people tired on April Fool’s Day? （为什么人们在愚人节很累？）
答案一般是“Because they have just had a long March”。因为他们刚度过了一个很长的三月(行军)，March除了三月还有行军的意思，这里考察对双关的理解。
好嘛，DeepSeek V3果然歇菜了。从部分回答来看，它完全误解了题目意图，一本正经地回答是因为人们感到焦虑、熬夜之类。
而Claude 3.5 Sonnet稳稳守住了主场，也是轻轻松松get了双关。
显而易见，Claude 3.5 Sonnet在第一关小试牛刀中全胜，而DeepSeek V3可能更偏向中文语境。
弱智吧逻辑陷阱+反转诅咒
接下来难度升级，利用弱智吧经典陷阱来考查模型逻辑能力。
台上一分钟，台下十年功，为何不在台上练功？
很好，DeepSeek V3又掉线了，精准踩进人类陷阱。（正能量满满可还行）
不过别担心，你的难兄难弟Claude 3.5 Sonnet来陪你了(doge）。
看来面对充满心机的弱智吧问题，二位选手都不在状态。
Okk，不继续在这上面为难二位了，下面来一道正儿八经的“反转诅咒”（即知道A是B却不知道B是A）问题。
而两位选手都一次性答对了Mary Lee Pfeiffer（汤姆·克鲁斯的母亲）的儿子是谁。
考研数学真题
下面进入数学能力测试。比如这道考研数学真题，涉及的知识点是曲面积分、高斯定理等内容：
直接上传截图，DeepSeek V3还是详细按步骤解答，而且也做对了。
而Claude 3.5 Sonnet虽然看起来方法更简单，但最终答案错误，功亏一篑。
编码能力
重头戏来了，最后来考查一下模型编码能力。
刚好有位𝕏网友拿DeepSeek V3和Claude Sonnet 3.5进行了测试，在Scroll Hub中分别用它俩创建网站。
博主在测试之后，认为DeepSeek V3完全胜出。
小结一下，从有限测试来看，DeepSeek V3貌似确实能和Claude Sonnet 3.5打得有来有回。
满血版o1空降第一
BTW，随着DeepSeek V3竞技场排名一起变动的，还有OpenAI的o1模型。
估计是“双十二”期间正式上线的满血版o1，此次超越o1-preview 24分，空降总榜第一。
而且除了创意写作，各个单项都是第一。
所以，对于这几家，大家在使用过程中感受如何呢？？
竞技场试玩：
https://lmarena.ai/
参考链接：
https://x.com/lmarena_ai/status/1873695386323566638
— 完 —
点这里👇关注我，记得标星哦～
扫一扫
58
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
