Pag-benchmark ng ChatGPT, Qwen, at DeepSeek sa Real-World AI Tasks

Aling Modelo ng AI ang Pinakamahusay sa , Mechanics, at Algorithmic Precision— Pag-cod Aling Modelo ang Naghahatid ng Real-World Precision? Ang mayayamang tech giant sa US ay minsang nangibabaw sa AI market ngunit ang paglabas ng DeepSeek ay nagdulot ng mga alon sa industriya, na nagdulot ng napakalaking hype. Gayunpaman, parang hindi iyon sapat, lumitaw ang Qwen 2.5 — nalampasan ang DeepSeek sa maraming lugar. Tulad ng ibang mga modelo ng pangangatwiran tulad ng DeepSeek-R1 at OpenAI's O1, ang Qwen 2.5-Max ay gumagana sa paraang itinatago ang proseso ng pag-iisip nito, na nagpapahirap sa pagsubaybay sa lohika nito sa paggawa ng desisyon. Inilalagay ng artikulong ito ang ChatGPT, Qwen, at DeepSeek sa kanilang mga hakbang sa isang serye ng mga pangunahing hamon mula sa hanggang sa . Ikaw man ay isang , isang , o isang , ngayon ay susubukan kong ibunyag kung aling modelo ang pinakamatalinong pagpipilian para sa iyong mga pangangailangan (at badyet) paglutas ng mga problema sa calculus pag-debug ng code developer na naghahanap ng perpektong AI coding assistant researcher na tumutugon sa quantum mechanics business professional Comparative Analysis ng AI Model Capabilities:- 1. Chatgpt Ang ChatGPT, na binuo ng OpenAI ay nananatili pa ring nangingibabaw na puwersa sa AI space, na binuo sa at pinino gamit ang . Ito ay isang maaasahang go-to para sa isang hanay ng mga gawain, mula sa malikhaing pagsulat hanggang sa teknikal na dokumentasyon, ginagawa itong isang nangungunang pagpipilian para sa mga tagalikha ng nilalaman, tagapagturo, at mga startup Gayunpaman, hindi ito perpekto. Pagdating sa mga espesyal na larangan, tulad ng advanced na matematika o niche legal na mga domain, maaari itong mahirapan. Higit pa rito, ang mataas na gastos sa imprastraktura nito ay nagpapahirap para sa mas maliliit na negosyo o indibidwal na mga developer na madaling ma-access ito malakas na arkitektura ng GPT-5 Reinforcement Learning mula sa Human Feedback (RLHF) Ang ChatGPT, na binuo gamit ang isang mabigat na $3B+ na pamumuhunan, ay isang napakalaking modelo ng imprastraktura, habang ang DeepSeek ay nakamit ang katulad na pagganap sa $5.6M lamang — klasikong sandali ng China ha? 2. Deepseek Sa wala kahit saan, lumitaw ang DeepSeek bilang isang maitim na kabayo sa karera ng AI na humahamon sa mga matatag na higante na may pagtuon sa katumpakan at kahusayan sa pagkalkula. Hindi tulad ng mga kakumpitensya nito, ito ay iniakma para sa mga gawaing pang-agham at matematika at sinanay sa mga nangungunang dataset tulad ng a, na tumutulong dito na gumanap nang mahusay sa mga lugar tulad ng pag-optimize, , at . Ang lakas talaga ng DeepSeek ay kung gaano ito kamura ( no china pun intended 😤). Habang ang mga modelo tulad ng ChatGPT at Qwen ay nangangailangan ng napakalaking mapagkukunan, ginagawa ng Deepseek ang trabaho nang mas mura. Kaya oo hindi mo kailangang makakuha ng $1000 para sa isang subscription sa ChatGPT arXiv at Wolfram Alph physics simulation kumplikadong mga problema sa matematika Medyo robotic ang paraan ng pagtugon ng DeepSeek, at hindi ito umaangkop nang maayos sa mga gawaing hindi masyadong teknikal. Mahusay ito para sa mga partikular na larangan tulad ng matematika at pananaliksik ngunit hindi para sa kaswal o malikhaing pag-uusap 3. Qwen Pagkatapos ng Deepseek, sinong mag-aakalang isa pang Chinese AI ang lalabas at magsisimulang pumalit? Classic China move — kumalat ng isang bagay at sa pagkakataong ito ay AI na lol Ang Qwen ay nangingibabaw sa larong pangnegosyo sa pamamagitan ng multilinggwal na setup nito, na mahusay sa mga lugar tulad ng Asia, lalo na sa Mandarin at Arabic. Ito ang go-to para sa mga legal at pinansyal na gawain, at hindi ito isang modelo ng pangangatwiran tulad ng DeepSeek R1, ibig sabihin ay hindi mo makikita ang proseso ng pag-iisip nito. Ngunit tulad ng DeepSeek, mayroon itong robotic vibe, na ginagawang hindi gaanong masaya para sa kaswal o malikhaing gawain. Kung gusto mo ng mas flexible, maaaring hindi si Qwen ang pinakamahusay na hang Maaari mong isipin ito bilang isang pangkat ng mga espesyalista: kung magtatanong ka ng isang kumplikadong tanong tungkol sa pisika, ang mga eksperto lamang sa pisika ang tutugon, habang ang natitirang bahagi ng koponan ay mananatiling hindi aktibo Oras ng Pagsubok: Paghahambing ng 3 AI sa Mga Tunay na Isyu sa Mundo Upang matiyak ang pagiging patas at sa pamamagitan ng pagsusuri, ihagis natin ang ilan sa mga pinaka-hyped na hamon tulad ng mahihirap na problema sa matematika, mga bagay na ligaw sa pisika, mga gawain sa pag-coding, at nakakalito na mga tanong sa totoong mundo. — — — — — — — — — — — — 1. Physics: Ang Problema sa Umiikot na Bola Upang simulan ang mga bagay-bagay, sumisid tayo sa klasikong problemang "umiikot na bola sa isang kahon," na naging isang sikat na benchmark para sa pagsubok kung gaano kahusay ang paghawak ng iba't ibang modelo ng AI sa kumplikadong gawain : Gayahin ang bolang tumatalbog sa loob ng umiikot na kahon habang sumusunod sa mga batas ng pisika Hamon Larawan ng 2d na hugis na umiikot sa espasyo. Sa loob, isang bola ang tumalbog sa mga dingding, na nananatili sa loob ng mga hangganan at walang panlabas na puwersa. , ngunit ang pagsasaalang-alang para sa gravity, patuloy na pag-ikot, at tumpak na dynamics ng banggaan ay ginagawa itong isang mapaghamong simulation. Magugulat ka kung gaano kaiba ang pagharap dito ng mga modelo ng AI Sa unang tingin, maaaring mukhang simple ito Prompt:- Write a Python script that simulates a yellow ball bouncing inside a rotating square. The ball should bounce realistically off the square's edges, with the square rotating slowly over time The ball must stay within the square's boundaries as the box rotates. Box Rotation: The box should rotate continuously. Ball Physics: The ball reacts to gravity and bounces off the box's walls. Ball Inside Boundaries: Make sure the ball doesn't escape the box's boundaries, even as the box rotates. Realistic Physics: Include proper collision detection and smooth animation Use Python 3.x with Pygame or any similar library for rendering Mga resulta: 1. Output ng ChatGPT: Mabilis ngunit Mali Sa Chatgpt nagkaroon ako ng mataas na inaasahan. Ngunit ang mga resulta? Sabihin na lang natin na sila ay… nakakapanghinayang. Habang ang DeepSeek ay naglaan ng oras para sa katumpakan, ang ChatGPT ay agad na naglabas ng isang malinis na script. Hindi makatotohanang tumalbog ang bola. Sa halip, , kung minsan ay naiipit sa mga sulok o unti-unting pumapasok sa mga dingding. nag-glitch ito sa mga gilid ng kahon Malinaw na mas gusto ng ChatGPT ang bilis kaysa sa lalim, naghahatid ng solusyon na gumagana — ngunit sa pinakapangunahing kahulugan lamang Code ng Chatgpt: import pygame import math # Initialize Pygame pygame.init() # Constants WIDTH, HEIGHT = 600, 600 FPS = 60 GRAVITY = 0.2 BOUNCE_DAMPING = 0.8 ROTATION_SPEED = 0.5 # Degrees per frame BALL_RADIUS = 10 # Colors YELLOW = (255, 255, 0) WHITE = (255, 255, 255) BLACK = (0, 0, 0) # Screen setup screen = pygame.display.set_mode((WIDTH, HEIGHT)) clock = pygame.time.Clock() # Square properties square_center = (WIDTH // 2, HEIGHT // 2) square_size = 300 angle = 0 # Ball properties ball_pos = [WIDTH // 2, HEIGHT // 2 - 50] ball_velocity = [2, 0] # Function to rotate a point around a center def rotate_point(point, center, angle): x, y = point cx, cy = center radians = math.radians(angle) cos_a, sin_a = math.cos(radians), math.sin(radians) new_x = cos_a * (x - cx) - sin_a * (y - cy) + cx new_y = sin_a * (x - cx) + cos_a * (y - cy) + cy return new_x, new_y # Main loop running = True while running: screen.fill(BLACK) for event in pygame.event.get(): if event.type == pygame.QUIT: running = False # Apply gravity ball_velocity[1] += GRAVITY # Move ball ball_pos[0] += ball_velocity[0] ball_pos[1] += ball_velocity[1] # Compute rotated square corners half_size = square_size // 2 square_corners = [ (-half_size, -half_size), (half_size, -half_size), (half_size, half_size), (-half_size, half_size) ] rotated_corners = [rotate_point((square_center[0] + x, square_center[1] + y), square_center, angle) for x, y in square_corners] # Check for collisions for i in range(4): p1, p2 = rotated_corners[i], rotated_corners[(i + 1) % 4] dx, dy = p2[0] - p1[0], p2[1] - p1[1] length = math.hypot(dx, dy) normal = (-dy / length, dx / length) # Perpendicular normal # Distance from ball to edge projection = (ball_pos[0] - p1[0]) * normal[0] + (ball_pos[1] - p1[1]) * normal[1] if projection < BALL_RADIUS: # Ball is colliding with edge # Reflect velocity dot = ball_velocity[0] * normal[0] + ball_velocity[1] * normal[1] ball_velocity[0] -= 2 * dot * normal[0] ball_velocity[1] -= 2 * dot * normal[1] # Apply bounce damping ball_velocity[0] *= BOUNCE_DAMPING ball_velocity[1] *= BOUNCE_DAMPING # Move ball out of collision ball_pos[0] += normal[0] * (BALL_RADIUS - projection) ball_pos[1] += normal[1] * (BALL_RADIUS - projection) # Rotate square angle += ROTATION_SPEED # Draw rotated square pygame.draw.polygon(screen, WHITE, rotated_corners, 2) # Draw ball pygame.draw.circle(screen, YELLOW, (int(ball_pos[0]), int(ball_pos[1])), BALL_RADIUS) # Update display pygame.display.flip() clock.tick(FPS) pygame.quit() Output: 2. Deepseek ; gumawa ito ng na humawak sa bawat gilid ng case nang walang kamali-mali Ang output ng DeepSeek ay nag-iwan sa akin ng tunay na namangha. Habang ang ChatGPT ay mabilis na gumawa ng code, ang DeepSeek ay tumagal ng 200 segundo para lang isipin ang problema. Ang DeepSeek ay hindi lamang sumulat ng isang functional na script lubos na na-optimize, tumpak sa pisika na simulation Code ng DeepSeek: import pygame import math # Initialize Pygame pygame.init() # Constants WIDTH, HEIGHT = 600, 600 SQUARE_SIZE = 400 SQUARE_HALF = SQUARE_SIZE // 2 BALL_RADIUS = 10 GRAVITY = 0.5 RESTITUTION = 0.8 ANGULAR_VELOCITY = 1 # Degrees per frame # Setup display screen = pygame.display.set_mode((WIDTH, HEIGHT)) pygame.display.set_caption("Bouncing Ball in Rotating Square") clock = pygame.time.Clock() # Initialize variables square_center = (WIDTH//2, HEIGHT//2) angle = 0 ball_pos = [WIDTH//2, HEIGHT//2] ball_vel = [0, 0] def rotate_point(point, center, angle): """Rotate a point around a center by given angle (degrees)""" theta = math.radians(-angle) ox, oy = center px, py = point qx = ox + math.cos(theta) * (px - ox) - math.sin(theta) * (py - oy) qy = oy + math.sin(theta) * (px - ox) + math.cos(theta) * (py - oy) return qx, qy running = True while running: dt = clock.tick(60) / 1000 # Delta time in seconds # Event handling for event in pygame.event.get(): if event.type == pygame.QUIT: running = False # Update square rotation angle = (angle + ANGULAR_VELOCITY) % 360 # Apply physics ball_vel[1] += GRAVITY ball_pos[0] += ball_vel[0] * dt ball_pos[1] += ball_vel[1] * dt # Collision detection and response # Convert ball position to square's local coordinate system translated = (ball_pos[0] - square_center[0], ball_pos[1] - square_center[1]) rotated = rotate_point((translated[0], translated[1]), (0, 0), -angle) collision = False new_local_x, new_local_y = rotated[0], rotated[1] # Check boundaries in local coordinates if rotated[0] SQUARE_HALF - BALL_RADIUS: new_local_x = SQUARE_HALF - BALL_RADIUS collision = True if rotated[1] SQUARE_HALF - BALL_RADIUS: new_local_y = SQUARE_HALF - BALL_RADIUS collision = True if collision: # Convert corrected position back to global coordinates corrected = rotate_point((new_local_x, new_local_y), (0, 0), angle) ball_pos[0] = corrected[0] + square_center[0] ball_pos[1] = corrected[1] + square_center[1] # Calculate reflection in local coordinates local_vel = rotate_point(ball_vel, (0, 0), -angle) if new_local_x != rotated[0]: # X-axis collision local_vel = (-local_vel[0] * RESTITUTION, local_vel[1]) if new_local_y != rotated[1]: # Y-axis collision local_vel = (local_vel[0], -local_vel[1] * RESTITUTION) # Convert velocity back to global coordinates global_vel = rotate_point(local_vel, (0, 0), angle) ball_vel[0], ball_vel[1] = global_vel[0], global_vel[1] # Drawing screen.fill((0, 0, 0)) # Draw rotating square square = pygame.Surface((SQUARE_SIZE, SQUARE_SIZE), pygame.SRCALPHA) pygame.draw.rect(square, (255, 0, 0), (0, 0, SQUARE_SIZE, SQUARE_SIZE), 2) rotated_square = pygame.transform.rotate(square, angle) screen.blit(rotated_square, rotated_square.get_rect(center=square_center)) # Draw ball pygame.draw.circle(screen, (255, 255, 0), (int(ball_pos[0]), int(ball_pos[1])), BALL_RADIUS) pygame.display.flip() pygame.quit() Output: 3. Ang Output ni Qwen: Isang Disappointing na Pagsubok Kung ang output ng ChatGPT ay hindi maganda, . Dahil sa malakas na reputasyon ni Qwen para sa paghawak ng mga kumplikadong gawain, talagang mataas ang inaasahan ko para sa pagganap nito. Ngunit nang pinatakbo ko ang code nito para sa rotating ball simulation, ang mga resulta ay . Tulad ng ChatGPT, nakabuo ng code si Qwen halos kaagad — walang malalim na pag-iisip. ang kay Qwen ay talagang nakakadismaya malayo sa inaasahan ko Ang para sa karamihan ng simulation, ganap na lumalabag sa mga batas ng physics. , kaya isang bahagi lang nito ang nakikita sa canvas bola ay nasa labas ng kahon Ang kahon mismo ay kalahating labas sa frame Kodigo ni Qwen import pygame import math # Initialize Pygame pygame.init() # Screen dimensions WIDTH, HEIGHT = 600, 600 screen = pygame.display.set_mode((WIDTH, HEIGHT)) pygame.display.set_caption("Bouncing Ball in Rotating Square") # Colors YELLOW = (255, 255, 0) WHITE = (255, 255, 255) BLACK = (0, 0, 0) # Clock for controlling frame rate clock = pygame.time.Clock() FPS = 60 # Box properties box_size = 300 box_center = (WIDTH // 2, HEIGHT // 2) angle = 0 # Initial rotation angle rotation_speed = 1 # Degrees per frame # Ball properties ball_radius = 10 ball_pos = [box_center[0], box_center[1] - box_size // 4] # Start near the top center of the box ball_velocity = [4, 0] # Initial velocity (x, y) gravity = 0.2 # Gravity effect # Function to rotate a point around another point def rotate_point(point, angle, origin): ox, oy = origin px, py = point qx = ox + math.cos(math.radians(angle)) * (px - ox) - math.sin(math.radians(angle)) * (py - oy) qy = oy + math.sin(math.radians(angle)) * (px - ox) + math.cos(math.radians(angle)) * (py - oy) return qx, qy # Main game loop running = True while running: screen.fill(BLACK) # Handle events for event in pygame.event.get(): if event.type == pygame.QUIT: running = False # Update ball physics ball_velocity[1] += gravity # Apply gravity ball_pos[0] += ball_velocity[0] ball_pos[1] += ball_velocity[1] # Rotate the box angle += rotation_speed if angle >= 360: angle -= 360 # Define the four corners of the square corners = [ (-box_size / 2, -box_size / 2), (box_size / 2, -box_size / 2), (box_size / 2, box_size / 2), (-box_size / 2, box_size / 2) ] # Rotate the corners around the center rotated_corners = [rotate_point(corner, angle, box_center) for corner in corners] # Check collision with the edges of the box collided = False for i in range(4): p1 = rotated_corners[i] p2 = rotated_corners[(i + 1) % 4] # Line segment between p1 and p2 x1, y1 = p1 x2, y2 = p2 # Closest point on the line to the ball dx = x2 - x1 dy = y2 - y1 t = max(0, min(1, ((ball_pos[0] - x1) * dx + (ball_pos[1] - y1) * dy) / (dx * dx + dy * dy))) closest_x = x1 + t * dx closest_y = y1 + t * dy # Distance between ball and closest point distance_sq = (closest_x - ball_pos[0]) ** 2 + (closest_y - ball_pos[1]) ** 2 if distance_sq <= ball_radius ** 2: # Collision detected collided = True # Normal vector of the edge edge_length = math.hypot(dx, dy) nx = -dy / edge_length ny = dx / edge_length # Reflect the velocity vector dot_product = ball_velocity[0] * nx + ball_velocity[1] * ny ball_velocity[0] -= 2 * dot_product * nx ball_velocity[1] -= 2 * dot_product * ny # Ensure the ball stays inside the box if not collided: # Clamp the ball position within the box ball_pos[0] = max(box_center[0] - box_size / 2 + ball_radius, min(ball_pos[0], box_center[0] + box_size / 2 - ball_radius)) ball_pos[1] = max(box_center[1] - box_size / 2 + ball_radius, min(ball_pos[1], box_center[1] + box_size / 2 - ball_radius)) # Draw the rotating square pygame.draw.polygon(screen, WHITE, rotated_corners, 2) # Draw the ball pygame.draw.circle(screen, YELLOW, (int(ball_pos[0]), int(ball_pos[1])), ball_radius) # Update the display pygame.display.flip() # Cap the frame rate clock.tick(FPS) # Quit Pygame pygame.quit() 2. Paghahambing ng Mga Tugon ng ChatGPT, Qwen, at DeepSeek sa isang Classic Pursuit Puzzle Pagdating sa paglutas ng mga problema sa totoong mundo, hindi lahat ng modelo ng AI ay ginawang pantay. Upang subukan ang kanilang mga kakayahan, ipinakita ko ang isang klasikong problema sa pagtugis: "Isang mahalagang artifact ang ninakaw. Nagsimulang tugisin ang may-ari matapos tumakas ang magnanakaw ng 45 km. Matapos maglakbay ng 160 km, natuklasan ng may-ari na ang magnanakaw ay nanatiling 18 km sa unahan. Ilang karagdagang kilometro ang dapat lakbayin ng may-ari para mahuli ang magnanakaw?" 1. Tugon ng ChatGPT Ang ChatGPT ay tumagal ng upang makarating sa tamang sagot. Sa una, mali ang interpretasyon nito sa problema ngunit kalaunan ay naitama ang sarili nito, na nagpapakita ng pagtitiyaga kahit na walang kahusayan sa mga unang pagsubok nito 3 pagtatangka 2. Tugon ng DeepSeek Ang DeepSeek ay sumagot din nang tama sa ngunit medyo mas matagal kaysa sa Qwen. Naghatid ito ng detalyado, sunud-sunod na solusyon na may malinaw na pangangatwiran, na nagpapatunay ng lakas nito sa at katumpakan unang pagsubok malalim na pag-iisip 2. Tugon ni Qwen Tama ang sagot ni Qwen sa at ginawa ito nang kaysa sa DeepSeek. Nagbigay ito ng maikli at tumpak na solusyon nang walang mga hindi kinakailangang hakbang, na nagpapakita ng malakas na bilis at katumpakan sa paglutas ng problema. unang pagsubok mas mabilis Konklusyon Habang ang lahat ng tatlong AI sa kalaunan ay sumagot ng tama, ay namumukod-tangi para sa bilis at kahusayan nito, habang ipinakita ang pamamaraang pamamaraan nito. Nangangailangan ng maraming pagsubok ang Qwen ng DeepSeek ang ChatGPT Humanizing AI Content: Ang Human Side ng AI Habang ang bilis at kahusayan ay madalas na ipinagdiriwang sa AI, ang tunay na game-changer ay — ang kakayahang umunawa, magbigay-kahulugan, at tumugon sa mga emosyon ng tao. Habang ang mga modelo ng AI tulad ng DeepSeek ay mahusay sa katumpakan at lohika, at ang ChatGPT ay kumikinang sa pagkamalikhain. Subukan natin ito emosyonal na katalinuhan — — — — — — — — Prompt: Write a messy emotional love letter — — — — — — — — Chatgpt: Deepseek: Qwen: Nang kawili-wili, kapag sinubukan para sa , lahat ng tatlong modelo — ChatGPT, DeepSeek, at Qwen — ay nagpumiglas na makawala mula sa kanilang mga pattern na binuo ng AI. Kahit papaano nagkaroon ako ng mataas na inaasahan sa Chatgpt pagka-orihinal na tulad ng tao N ote: sinimulan ng tatlo ang kanilang mga tugon sa parehong robotic na linya: "Hindi ko alam kung saan magsisimula" . ngunit nanalo si Qwen! Mga Pangunahing Takeaway: *: Ang kailangan para sa at , na nangunguna sa pagganap ng iba sa katumpakan at lalim.* DeepSeek pananaliksik kritikal na pag-iisip *: Tumugma sa DeepSeek sa paglutas ng klasikong bugtong sa unang pagsubok at nanalo sa , na ginagawa itong isang malakas na all-rounder.* Qwen humanized na nilalaman *: Nagsagawa ng maraming pagsubok upang lutasin ang bugtong ngunit nananatiling nangungunang pagpipilian para sa at .* ChatGPT mga malikhaing gawain mga pakikipag-ugnayang tulad ng tao Pangwakas na Hatol: Sino ang Dapat Gumamit ng Aling AI? : DeepSeek Mga Mananaliksik : DeepSeek Mga Inhinyero : ChatGPT o Qwen Mga Manunulat : Qwen withchatgpt Mga Abugado : ChatGPT Educators : Qwen at malalim na pag-iisip mula sa Deepseek Mga Tagalikha ng Nilalaman Konklusyon: Gusto kong marinig ang iyong opinyon sa mga komento at itama ako Kung mali. Kung nakita mong nakakatulong ang artikulong ito, pumalakpak, magbahagi, at ibahagi ang iyong mga pananaw. Huwag mag-atubiling suportahan ako *** ***o UPI: dito jainhvj@fam Nasasabik akong patuloy na matuto at tuklasin ang malawak na larangang ito. Pinahahalagahan ko ang iyong feedback at umaasa ako sa mga makabuluhang talakayan salamat po!