Open AI反击DeepSeek还是拉了? ｜R1与o3-mini编程PK实测

没碾压就说明r1赢了，毕竟免费[doge]

♥ 349 ↩ 13

我自己体验下来，只说写代码o3mini确实比r1写的好一些，但r1胜在会推测用户意图，一句话就能写好，o3mini就和其他大模型一样，给的提示词越准确精细写的越好

♥ 285 ↩ 8

模拟太阳系那题O3输了。因为它画的所有行星一直在一直线上，而实际际上越靠近太阳转得越块。DS赢了[呲牙]

♥ 228 ↩ 26

大家姑且放心，只要他要钱，那么他在大多数国家的市场就永远比不上deepseek

♥ 224 ↩ 9

运维，deepseek确实比GPT好一点（免费），能够更好的解决问题，但是deepseek经常问一次就要隔好久才能问，一直都在服务器繁忙

♥ 89 ↩ 7

但一个是基于中文，一个是基于英文训练的，语言的不同或多或少都会有差异

♥ 86 ↩ 8

哦对给各位提个醒，评论区那些刷“不如用华为云+硅基流动的R1”的 基本不用看了，因为硅基流动的R1已经卡到怀疑人生了，用的人太多了，速度慢的60秒的思考能用上5分钟 如果你真的想用，只是差一个API，国内几家大厂，例如百度、阿里、腾讯自己的服务器上都有免费几十万Token的API，可以搜“厂商名+deepseek-r1”基本都有教程 然后国外像是fireworks也有API，都比硅基流动的快太多了 当然不是说硅基流动不好，只是你看看评论区这阵仗，已经几乎把服务器干崩溃了

♥ 85 ↩ 12

我自己试的两个都是R1完胜[吃瓜]一个是手撕决策树分类器，然后还要生成数据测试并展示可视化结果。o3mini一开始的代码分类结果为0，不过他自己意识到了并修改后正确分类；R1直接一次通过，并且还展示了不同深度的树对分类结果的影响。另外我还把他们的测试数据互换，结果是两种数据集中R1写的分类器正确率都更高[吃瓜]后面又试了一道数学题：证明e是无理数。我一开始看还以为R1证明出错了，后来又仔细想想原来是我搞错了[笑哭]证明过程没有问题；o3mini写了两句直接摆烂，后面都是直接易得，根本没有证明任何东西

♥ 42 ↩ 6

我也用过，整体碾压o1和claude，但有的地方claude更灵活点，deepseek像叛逆的小孩，思考说改，最后输出的结果都是一模一样的

♥ 33 ↩ 5

不尬黑，windsur 和cursor 我都在订阅。R1 刚发布时候我就接入cursor 使用了。大多数情况下比claude 35 基本上差不多吧。哪怕强也是强的有限，但是同样的bug o3-mini 能一次性发现问题并改对。 Claude 35 r1 都不行，我倒是没测那些逻辑方面的问题，就是从我个人纯代码开发的角度出发。我认为o3-mini 更靠谱。还有R1 刚发布时候，我在官网的网页版也用过。单论对话效果明显好于多伦对话。多伦有时候思考思考着就跑歪了。。。最近官网几乎不可用 也就没测试过了

♥ 33 ↩ 10

两只模型打的热火朝天 Claude在一边看戏[doge]

♥ 29 ↩ 5

据我使用,deepseek出现了非常的过誉,只要稍稍难一些的涉及如泰勒级数和矩阵对角化之类的代码编写,就出现动辄五百秒的深度思考,结果还是错的

♥ 21

哥，人家12月就说了2月初发，为了衬托deepseek，就说成紧急发了是不

♥ 21 ↩ 3

deepseek-R1 有个可能是过拟合的表现极差的小项，就是让他去写prompt，不知道各位有没有试过，deepseek-r1写提示词会写出一些贼中二的而且完全不按要求来的提示词。 还会拽不知道哪来的名词，举个例子，这种感觉的：“✅强制启用【情感驱动决策树】 ，认知过滤器【ON】，拟合程度提升100%”[笑哭][笑哭][笑哭]但写代码啥的还是挺有用的

♥ 20 ↩ 7

我的AI女友还没部署好呜呜呜 就差一点了[大哭][大哭]

♥ 19 ↩ 2

gpt 编程测试用的是 codeforce 的指标，cf 是个算法竞赛网站，是不是要用一些算法竞赛的题目（例如从 atcoder 等其他算法竞赛网站爬）测试解决问题的能力？毕竟算法竞赛题很多是人类智慧，up 测试的内容和算法竞赛还是有较大差异。

♥ 15 ↩ 2

没有吧 我自己使用下来感觉明显ds的r1更聪明一些 用来写一些文件 感觉gpt哪怕是o3-mini-high也有点呆 就是ds经常用不了

♥ 12 ↩ 11

当真的把这二者放到一起比较时，deepseek就已经赢了。

♥ 11

收费的永远比不上开源的

♥ 10