DeepSeek-V3多项评测成绩与其他大模型对比情-行业数据

DeepSeek-V3多项评测成绩与其他大模型对比情

Claude-3.5-Sonnet-1022；长文本测评方面，在 DROP、FRAMES 和 LongBench v2 上，DeepSeek-V3 平均表现超越其他模型；DeepSeek-V3 在算法类代码场景（Codeforces），远远领先于市面上已有的全部非 o1 类模型，并在工程类代码场景（SWE-Bench Verified）逼近 Claude-3.5-Sonnet-1022；在美国数学竞赛（AIME 2024, MATH）和全国高中数学联赛（CNMO 2024）上，DeepSeek-V3 大幅超过了所有开源闭源模型；DeepSeek-V3 与 Qwen2.5-72B 在教育类测评 C-Eval 和代词消歧等评测集上表现相近，但在事实知识 C-SimpleQA 上更为领先。