DeepSeek-R1
Kuvaus
DeepSeekin ensimmäisen sukupolven päättelymallit, DeepSeek-R1-Zero ja DeepSeek-R1. DeepSeek-R1-Zero, malli, joka on koulutettu laajamittaisella vahvistusoppimisella (RL) ilman ohjattua hienosäätöä (SFT) alustavana vaiheena, osoitti huomattavaa suorituskykyä päättelyssä.
Samankaltaiset työkalut
DeepSeek-V3
Vahva Mixture-of-Experts (MoE) -kielimalli, jossa on yhteensä 671B parametria, joista 37B aktivoituu jokaista tokenia kohden.
Llama 3
Llama3 on Meta AI:n kehittämä suuri kielimalli. Se on Meta:n Llama2-kielimallin seuraaja.<br>Online-testiosoite:<br>[huggingface.co/Meta-Llama-3-70B-Instruct](https://huggingface.co/chat/models/meta-llama/Meta-Llama-3-70B-Instruct)
grok-1
Suuri kielimalli, jonka xAI on julkaissut avoimena lähdekoodina
Phi-3
Phi-3 on Microsoftin kehittämä avoimien tekoälymallien perhe. Phi-3-mallit ovat kyvykkäimpiä ja kustannustehokkaimpia saatavilla olevia pieniä kielimalleja (SLM), jotka ylittävät samankokoiset ja seuraavan kokoiset mallit useissa kieli-, päättely-, koodaus- ja matematiikan vertailuarvoissa.
Gemma 4
Gemma 4 on Googlen uusin avoimen lähdekoodin suurten kielimallien sarja, joka on rakennettu Gemini-arkkitehtuurin päälle ja tarjoaa paremman suorituskyvyn, pidemmät konteksti-ikkunat ja paremman monikielisen tuen.
Qwen3
Qwen3 on Alibaba Cloudin Qwen-tiimin kehittämä suurten kielimallien sarja. Qwen3-2507 sisältää Instruct- ja Thinking-versiot, joiden koot ovat 235B-A22B, 30B-A3B ja 4B, 256K pitkä konteksti ja 1 miljoonan tokenin syötteen tuki joissakin skenaarioissa.