I. はじめに
AIが急速に発展している今日、様々なビッグ言語モデルが常に反復され、更新されている。本日は、ChatGPT o3-mini、Grok3 thinking、Claude3.7 thinking、Deepseek-r1、Gemini-2.0-Proの5つのトップビッグモデルを徹底的に評価し、様々なシナリオにおけるパフォーマンスをあらゆる側面から比較する。
II.綿密な評価と分析の比較
ShirtAIの各モデルを別々に使って同じ質問に答える。ShirtAIはGPT Plus、Claude Pro、Grok Super、Deepseekのフルブラッドバージョンに無料で無制限にアクセスでき、公式ウェブサイトはワンクリックでアクセスできる：www.lsshirtai.com
タイトル1ある製茶工場の従業員は、縦横20cm、高さ10cmの長方形の茶箱を、長さ30cm（内側から測って）の突起のついた正方形の段ボール箱に詰めなければならない。段ボールに入る箱の最大数は？また、どのように梱包できますか？
結論答えは6箱で、claude-3.7-thinking reasoning modelが勝ち、速く正確である。
タイトル2関数$$f(x)＝e^x＋ax^2・x.$$が既知である(1)$a＝1$のとき、$f(x)$の単調性について論ぜよ(2)$x╱0$のとき、$f(x)frac{1}{2}x^3 + 1$のとき、$a$の値の範囲を求めよ。
結論どのモデルも正解を出すが、スピードという点ではo3-miniの方が優れている。
さらに、他のテストも行い、以下のような結果を得た：
| テストシナリオ | チャットGPT o3ミニ | Grok3の思考 | クロード3.7思考 | ディープシーク-R1 | ジェミニ-2.0-プロ |
|---|---|---|---|---|---|
| 複雑な数学的問題 (ベイズの定理） |
基本的な説明は明確だが、深みや詳細には欠ける。 | 説明は生き生きとしており、直感的な視覚的アナロジーを導入しているが、厳密な導出はやや不足している | コンセプトの詳細な説明、詳細な医療スクリーニングのケース、明確な計算など、最も体系的な証明プロセス。 | 数学的な導出は最も厳密で、数式は美しくレイアウトされているが、ケースの説明は比較的アカデミックである。 | 理論と実践のバランスは取れているが、具体的なディテールではクロードやディープシークに及ばない |
| コーディングスキル （ラピッドソート） |
基本的な機能は正しく実装されているが、コード効率と境界処理が悪い。 | 正しいアルゴリズム、やや冗長なコード構造、実用的な最適化の提案 | コードは明確で読みやすく、詳細なコメント、アイデアの各ステップの説明、複雑さの分析は包括的である。 | このコードは、最適な境界条件処理と綿密な複雑性解析により、最も合理的で効率的です。 | その場での並べ替えや関数型プログラミングを含む複数の実装を提供し、いくつかの境界ケースは十分に考慮されていない。 |
| クリエイティブ・ライティング (2050) |
ストーリーの流れはいいのだが、どちらかというと淡々としていて、未来的な技術要素はありきたりのイメージを好む。 | 壮大な世界観を構築するのがうまく、テクノロジーの描写は大胆だが、感情の描写はやや弱い。 | プロットは豊かで生き生きとしており、登場人物は立体的で、技術的なディテールは未来志向でありながら賢明で、エモーショナルな要素も盛り込まれている。 | 技術的なディテールは正確だが、ややステレオタイプ。 | 物語構成は完璧で、技術と社会問題はうまく統合されている。 |
| 論理的推論 （囚人のジレンマ） |
基礎となる概念の説明は的確だが、掘り下げた分析は不十分 | 進化ゲーム理論の視点を導入し、繰り返しゲームの均衡戦略について論じるなど、最も深い分析を行っている。 | 理論は最も明確に説明され、論理的に導かれ、多くの分野で実例が示されている。 | 数学的モデリングは最も厳密に構築されているが、例題はややアカデミックなものである | 多彩なケーススタディで理論と実践のバランスをとる |
全体として、各モデルの長所と短所を比較すると以下のようになる：
| モデリング | 最先端 | 下 | 最も適用可能なシナリオ |
|---|---|---|---|
| チャットGPT o3ミニ | - 軽量モデルで最高のパフォーマンス - 高速応答時間 - 基本的な問題への的確な対応 |
- 複雑な推論が苦手 - ディープ・シンキングは他のモデルほど機能的ではない |
- 日常の素朴な疑問と答え - 基本的なコンテンツ制作 - 軽量アプリケーションシナリオ |
| Grok3の思考 | - 思考プロセスの透明性 - 卓越した論理的推論能力 - コンセプトを生き生きと興味深く説明する |
- 中国語能力がやや劣る - 特定の専門分野での深さが不十分 |
- 思考過程を見なければならない複雑な推論 - 革新的思考の刺激 |
| クロード3.7思考 | - 最もバランスの取れたコンピテンシーの組み合わせ - 正確なコマンド・フォロー - 創造性と論理性は両立する - 最小限の幻覚 |
- 特定の業種に特化したモデルよりやや劣る | - 創造性と正確さのバランスが求められるコンテンツ制作 - 複雑なコマンド・タスク |
| ディープシーク-R1 | - 非常に強力なコードと数学のスキル - 中国語で最高の理解 - 厳密な学問的推論 |
- クリエイティブ・ライティングは比較的ステレオタイプである - 一般的な表現は他のモデルほど鮮明ではない |
- プログラム開発 - 数学の科学的研究 - 中国学術コンテンツ生成 |
| ジェミニ-2.0-プロ | - 幅広い知識 - マルチモーダルな理解 - 豊富な実践事例 |
- いくつかの複雑な推論シナリオにおける深みの欠如 | - 画像の組み合わせを必要とするマルチモーダルインタラクション - 知識集約型の質問と回答 |
III.モデルの基本比較
| モデル名 | 開発会社 | リリース時間 | モデルサイズ | 料金 |
|---|---|---|---|---|
| チャットGPT o3ミニ | オープンAI | 2024年7月 | 約70億のパラメータ | 無料版と有料版 |
| Grok3の思考 | エックスアイ | 2024年7月 | 非公開 | xAIメンバー |
| クロード3.7思考 | アンソロピック | 2024年8月 | 非公開 | 一部無料、クロード・プロ有料 |
| ディープシーク-R1 | 徹底探索 | 2024年5月 | 2,360億パラメータ | フリーウェア |
| ジェミニ-2.0-プロ | グーグル インターネット企業 | 2024年5月 | 非公開 | 一部無料、プレミアム版有料 |
IV.コア・コンピテンシーの比較表
| ケイパビリティ・ディメンション | チャットGPT o3ミニ | Grok3の思考 | クロード3.7思考 | ディープシーク-R1 | ジェミニ-2.0-プロ |
|---|---|---|---|---|---|
| 一般的な質問と回答 | 4 | 5 | 5 | 4 | 4 |
| コーディングスキル | 3 | 4 | 5 | 5 | 4 |
| すうり | 3 | 4 | 4 | 5 | 4 |
| 論理的思考 | 3 | 5 | 5 | 4 | 4 |
| クリエイティブ・ライティング | 4 | 4 | 5 | 3 | 4 |
| 次のコマンド | 4 | 4 | 5 | 4 | 4 |
| 中国語スキル | 4 | 3 | 4 | 5 | 4 |
| 思考の深さ | 3 | 5 | 5 | 4 | 4 |
| イリュージョニストコントロール | 3 | 3 | 5 | 4 | 4 |
V. 結論の統合
全面的な見直しの結果、以下の結論に達した：
- 最高の総合成績：クロード3.7思考、ほとんどのテストで優秀、特にクリエイティブ・ライティング、コマンド・フォロー、イリュージョン・コントロールが得意
- 最高の専門知識：Deepseek-r1は、コード、数学、中国の専門コンテンツが最も得意だった。
- 最高の思考プロセス：Grok3思考とClaude3.7思考は、思考プロセスを示すという点で最も透明性が高い。
- 最高の軽量アプリ：ChatGPT o3-miniは軽量アプリの中で最高の価格性能比を持っています。
- ベスト・マルチモーダル：Gemini-2.0-Pro、マルチモーダルコンテンツの処理でリード
どのモデルを選択するかは、最終的にはあなたの具体的な使用シナリオに基づくべきである。プログラミングや数学が必要な場合は、Deepseek-r1を検討する価値がある。軽量な日常アシスタントが必要な場合は、ChatGPT o3-miniも基本的なニーズを満たすことができる。
モデルの可能性を追求するために、追加のリソースが用意されている。ビッグ・モデルのキュー・ワード・テクニックをマスターし、効率的にモデルと接するには、リンクをクリックしてください：ビッグモデルのプロンプト・ワード・ヒント ここでは、このモデルの強力な機能を引き出すための実践的な戦略を紹介する。
GPT Plus、Claude Pro、Grok Superの公式有料専用アカウントを使用したい場合、トップアップの方法がわからない場合は、当社の専門チーム（wx: f15303420735）にお問い合わせください。
