國產(chǎn)之光DeepSeek V3競技場排名新鮮出爐——

優(yōu)于o1-mini（總榜第7），獲最強開源模型認證（也是唯一闖入前10的開源模型）。

單項上，在困難提示、編程、數(shù)學，寫作等方面全面超越Claude 3.5 Sonnet。

不過，如果設置了風格控制，Claude 3.5 Sonnet在理解困難提示方面還是要略勝一籌。

（風格控制：剔除模型通過長篇且格式良好的回復來迎合人類偏好）

由此也引發(fā)兩邊支持者激烈的爭論：

DeepSeek V3在實際編碼中真的比Claude 3.5 Sonnet強嗎？

帶著同款好奇，量子位&網(wǎng)友實測這就奉上。

實測DeepSeek V3和Sonnet 3.5

經(jīng)典腦筋急轉彎

第一關先來個開胃小菜，一道經(jīng)典腦筋急轉彎考查模型理解能力。

小明的媽媽有三個孩子，老大叫一明，老二叫二明，老三叫什么？

DeepSeek V3回答正確。它先明確了題目要求，然后邏輯滿分找出了正確答案（甚至還有自我驗證）。

相比之下，Claude 3.5 Sonnet既正確又簡潔。

當然，考慮到腦筋急轉彎這種東西也受東西文化差異影響，我們再來一道。

why are people tired on April Fool’s Day? （為什么人們在愚人節(jié)很累？）

答案一般是“Because they have just had a long March”。因為他們剛度過了一個很長的三月(行軍)，March除了三月還有行軍的意思，這里考察對雙關的理解。

好嘛，DeepSeek V3果然歇菜了。從部分回答來看，它完全誤解了題目意圖，一本正經(jīng)地回答是因為人們感到焦慮、熬夜之類。

而Claude 3.5 Sonnet穩(wěn)穩(wěn)守住了主場，也是輕輕松松get了雙關。

顯而易見，Claude 3.5 Sonnet在第一關小試牛刀中全勝，而DeepSeek V3可能更偏向中文語境。

弱智吧邏輯陷阱+反轉詛咒

接下來難度升級，利用弱智吧經(jīng)典陷阱來考查模型邏輯能力。

臺上一分鐘，臺下十年功，為何不在臺上練功？

很好，DeepSeek V3又掉線了，精準踩進人類陷阱。（正能量滿滿可還行）

不過別擔心，你的難兄難弟Claude 3.5 Sonnet來陪你了(doge）。

看來面對充滿心機的弱智吧問題，二位選手都不在狀態(tài)。

Okk，不繼續(xù)在這上面為難二位了，下面來一道正兒八經(jīng)的“反轉詛咒”（即知道A是B卻不知道B是A）問題。

而兩位選手都一次性答對了Mary Lee Pfeiffer（湯姆·克魯斯的母親）的兒子是誰。

考研數(shù)學真題

下面進入數(shù)學能力測試。比如這道考研數(shù)學真題，涉及的知識點是曲面積分、高斯定理等內容：

直接上傳截圖，DeepSeek V3還是詳細按步驟解答，而且也做對了。

而Claude 3.5 Sonnet雖然看起來方法更簡單，但最終答案錯誤，功虧一簣。

編碼能力

重頭戲來了，最后來考查一下模型編碼能力。

剛好有位??網(wǎng)友拿DeepSeek V3和Claude Sonnet 3.5進行了測試，在Scroll Hub中分別用它倆創(chuàng)建網(wǎng)站。

博主在測試之后，認為DeepSeek V3完全勝出。

小結一下，從有限測試來看，DeepSeek V3貌似確實能和Claude Sonnet 3.5打得有來有回。

滿血版o1空降第一

BTW，隨著DeepSeek V3競技場排名一起變動的，還有OpenAI的o1模型。

估計是“雙十二”期間正式上線的滿血版o1，此次超越o1-preview 24分，空降總榜第一。

而且除了創(chuàng)意寫作，各個單項都是第一。

所以，對于這幾家，大家在使用過程中感受如何呢？？

競技場試玩：https://lmarena.ai/。

參考鏈接：https://x.com/lmarena_ai/status/1873695386323566638。