Model AI Mana yang Unggul dalam   , Mekanika, dan Presisi Algoritmik—  Pengodean Model Mana yang Memberikan Presisi Dunia Nyata?  Raksasa teknologi kaya di AS pernah mendominasi pasar AI, tetapi peluncuran DeepSeek menimbulkan gelombang di industri tersebut, yang memicu kehebohan besar-besaran. Namun, seolah itu belum cukup, Qwen 2.5 muncul — melampaui DeepSeek di berbagai bidang. Seperti model penalaran lain seperti DeepSeek-R1 dan OpenAI's O1, Qwen 2.5-Max beroperasi dengan cara yang menyembunyikan proses berpikirnya, sehingga lebih sulit melacak logika pengambilan keputusannya.  Artikel ini menguji kemampuan ChatGPT, Qwen, dan DeepSeek dengan serangkaian tantangan utama mulai dari   hingga   . Apakah Anda seorang   , seorang   , atau seorang   , hari ini saya akan mencoba mengungkap model mana yang merupakan pilihan paling cerdas untuk kebutuhan (dan anggaran) Anda. memecahkan masalah kalkulus men-debug kode pengembang yang mencari asisten pengkodean AI yang sempurna peneliti yang mempelajari mekanika kuantum profesional bisnis  Analisis Perbandingan Kemampuan Model AI:-  1. Obrolan  ChatGPT, yang dikembangkan oleh OpenAI masih tetap menjadi kekuatan dominan dalam ruang AI, dibangun di atas   dan disempurnakan menggunakan     . Ini adalah pilihan yang andal untuk berbagai tugas, mulai dari penulisan kreatif hingga dokumentasi teknis, menjadikannya pilihan utama bagi pembuat konten, pendidik, dan perusahaan rintisan. Namun, ini tidak sempurna. Dalam hal bidang khusus, seperti matematika tingkat lanjut atau domain hukum khusus, ini bisa jadi sulit. Selain itu, biaya infrastrukturnya yang tinggi membuat bisnis kecil atau pengembang individu sulit mengaksesnya dengan mudah. arsitektur GPT-5 yang kuat Reinforcement Learning from Human Feedback (RLHF)   ChatGPT, yang dibangun dengan investasi besar sebesar $3M+, adalah model infrastruktur yang sangat besar, sementara DeepSeek mencapai kinerja yang serupa hanya dengan $5,6 juta — momen klasik Tiongkok ya?  2. Pencarian mendalam  Entah dari mana, DeepSeek muncul sebagai kuda hitam dalam perlombaan AI yang menantang para raksasa mapan dengan fokusnya pada  ketepatan dan efisiensi komputasi.  Tidak seperti pesaingnya, DeepSeek dirancang khusus untuk tugas-tugas ilmiah dan matematika dan dilatih pada kumpulan data teratas seperti   , yang membantunya bekerja dengan baik di bidang-bidang seperti pengoptimalan,   , dan     . Kekuatan DeepSeek yang sebenarnya adalah betapa murahnya (tidak ada maksud mengejek orang Cina 😤). Sementara model-model seperti ChatGPT dan Qwen membutuhkan sumber daya yang besar, DeepSeek dapat melakukannya dengan biaya yang jauh lebih murah. Jadi, Anda tidak perlu mengeluarkan $1000 untuk berlangganan ChatGPT arXiv dan Wolfram Alpha simulasi fisika masalah matematika yang rumit   Cara DeepSeek merespons terasa agak robotik, dan tidak cocok untuk tugas yang tidak terlalu teknis. Aplikasi ini bagus untuk bidang tertentu seperti matematika dan penelitian, tetapi tidak untuk percakapan santai atau kreatif.  3. Qwen  Setelah Deepseek, siapa yang mengira AI Tiongkok lain akan muncul dan mulai mengambil alih? Langkah klasik Tiongkok — sebarkan sesuatu dan kali ini AI lol  Qwen mendominasi permainan bisnis dengan pengaturan multibahasanya, unggul di tempat-tempat seperti Asia, terutama dengan bahasa Mandarin dan Arab. Ini adalah pilihan utama untuk tugas-tugas hukum dan keuangan, dan ini bukan model penalaran seperti DeepSeek R1, yang berarti Anda tidak dapat melihat proses berpikirnya. Namun seperti DeepSeek, ia memiliki nuansa robotik, membuatnya kurang menyenangkan untuk pekerjaan kasual atau kreatif. Jika Anda menginginkan sesuatu yang lebih fleksibel, Qwen mungkin bukan pilihan terbaik   Anda dapat menganggapnya seperti tim spesialis: jika Anda mengajukan pertanyaan rumit tentang fisika, hanya para ahli fisika yang menjawab, sementara anggota tim lainnya tidak aktif.  Waktu Pengujian: Membandingkan 3 AI dengan Masalah Dunia Nyata  Untuk memastikan keadilan dan melalui evaluasi, mari kita berikan beberapa tantangan yang paling digembar-gemborkan seperti soal matematika yang sulit, soal fisika yang liar, tugas pengkodean, dan pertanyaan dunia nyata yang rumit.  — — — — — — — — — — — —  1. Fisika: Masalah Bola Berputar  Untuk memulai, mari kita menyelami masalah klasik “bola berputar di dalam kotak”, yang telah menjadi tolok ukur populer untuk menguji seberapa baik model AI yang berbeda menangani tugas-tugas yang kompleks.    : Simulasikan bola yang memantul di dalam kotak yang berputar sambil mematuhi hukum fisika Tantangan  Bayangkan bentuk 2D yang berputar di ruang angkasa. Di dalamnya, sebuah bola memantul dari dinding, tetap berada di dalam batas dan tidak ada gaya eksternal.   , tetapi memperhitungkan gravitasi, rotasi konstan, dan dinamika tabrakan yang tepat menjadikannya simulasi yang menantang. Anda akan terkejut melihat betapa berbedanya model AI dalam menanganinya Sekilas, mungkin tampak sederhana  Mengingatkan:-   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  Hasil:   1. Output ChatGPT: Cepat tapi Penuh Cacat  Dengan Chatgpt saya punya ekspektasi tinggi. Tapi hasilnya? Anggap saja hasilnya... mengecewakan. Sementara DeepSeek butuh waktu untuk mencapai akurasi, ChatGPT langsung mengeluarkan skrip yang tampak bersih. Bola tidak memantul secara realistis. Sebaliknya, bola itu   , terkadang tersangkut di sudut atau menembus dinding.  mengalami gangguan di sekitar tepi kotak Jelas bahwa ChatGPT lebih menyukai kecepatan daripada kedalaman, memberikan solusi yang berhasil — tetapi hanya dalam pengertian yang paling mendasar  Kode 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()  Keluaran:   2. Pencarian mendalam    ; ia membuat   yang menangani setiap kasus tepi dengan sempurna.  Hasil DeepSeek benar-benar membuat saya kagum. Sementara ChatGPT cepat dalam membuat kode, DeepSeek membutuhkan waktu 200 detik hanya untuk memikirkan masalahnya. DeepSeek tidak hanya menulis skrip fungsional simulasi yang sangat optimal dan akurat secara fisika  Kode 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 elif 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 elif 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()  Keluaran:   3. Hasil Qwen: Upaya yang Mengecewakan  Jika hasil ChatGPT mengecewakan,   . Mengingat reputasi Qwen yang kuat dalam menangani tugas-tugas yang rumit, saya benar-benar memiliki harapan yang tinggi terhadap kinerjanya. Namun, ketika saya menjalankan kodenya untuk simulasi bola berputar, hasilnya   . Seperti ChatGPT, Qwen menghasilkan kode hampir seketika — tanpa pemikiran yang mendalam. hasil Qwen benar-benar mengecewakan jauh dari yang saya harapkan    untuk sebagian besar simulasi, sepenuhnya menentang hukum fisika.   , jadi hanya sebagian saja yang terlihat di kanvas. Bola berada di luar kotak Kotak itu sendiri setengah keluar dari bingkai  Kode 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.  Membandingkan Respons ChatGPT, Qwen, dan DeepSeek terhadap Teka-teki Pursuit Klasik  Dalam hal memecahkan masalah di dunia nyata, tidak semua model AI dibuat sama. Untuk menguji kemampuan mereka, saya menyajikan masalah pengejaran klasik:   “Artefak berharga telah dicuri. Pemiliknya mulai mengejar setelah pencurinya telah melarikan diri sejauh 45 km. Setelah menempuh jarak 160 km, pemilik tersebut menemukan pencurinya masih berada 18 km di depannya. Berapa kilometer lagi yang harus ditempuh pemilik untuk menangkap pencurinya?”  1. Respon ChatGPT  ChatGPT butuh   untuk mendapatkan jawaban yang benar. Awalnya, ia salah menafsirkan masalah tersebut tetapi akhirnya berhasil memperbaikinya sendiri, menunjukkan kegigihan meskipun kurang efisien pada percobaan pertamanya  3 kali percobaan  2. Respon DeepSeek  DeepSeek juga menjawab dengan benar pada   tetapi membutuhkan waktu sedikit lebih lama daripada Qwen. DeepSeek memberikan solusi terperinci, langkah demi langkah dengan penalaran yang jelas, membuktikan kekuatannya dalam   dan akurasi.  percobaan pertama pemikiran yang mendalam  2. Tanggapan Qwen  Qwen menjawab dengan benar pada   dan melakukannya   daripada DeepSeek. Ia memberikan solusi yang ringkas dan akurat tanpa langkah-langkah yang tidak perlu, menunjukkan kecepatan dan ketepatan pemecahan masalah yang tinggi.  percobaan pertama lebih cepat  Kesimpulan  Meskipun ketiga AI akhirnya menjawab dengan benar,   menonjol karena kecepatan dan efisiensinya, sementara   memamerkan pendekatan metodisnya.   memerlukan beberapa kali percobaan Qwen DeepSeek ChatGPT  Memanusiakan Konten AI: Sisi Manusiawi AI  Meskipun kecepatan dan efisiensi sering dipuji dalam AI, pengubah permainan yang sebenarnya adalah   — kemampuan untuk memahami, menafsirkan, dan menanggapi emosi manusia. Sementara model AI seperti DeepSeek unggul dalam presisi dan logika, dan ChatGPT unggul dalam kreativitas. Mari kita uji coba kecerdasan emosional  — — — — — — — —  Prompt:  Write a messy emotional love letter  — — — — — — — —   Obrolan:   Pencarian mendalam:   Qwen:  Menariknya, saat diuji untuk   , ketiga model — ChatGPT, DeepSeek, dan Qwen — berjuang untuk melepaskan diri dari pola yang dihasilkan AI.   Bagaimanapun saya memiliki harapan tinggi dengan Chatgpt  orisinalitas seperti manusia   Catatan: ketiganya memulai respons mereka dengan kalimat robotik yang sama:  "Saya bahkan tidak tahu harus mulai dari mana" . tetapi Qwen menang!   Poin-poin Utama:    *: Pilihan utama untuk   dan   , mengungguli yang lain dalam hal presisi dan kedalaman.* DeepSeek penelitian pemikiran kritis    *: Menyamai DeepSeek dalam memecahkan teka-teki klasik pada percobaan pertama dan menang dalam   , menjadikannya pemain serba bisa yang kuat.* Qwen konten yang dimanusiakan    *: Butuh beberapa kali percobaan untuk memecahkan teka-teki tetapi tetap menjadi pilihan utama untuk   dan   .* ChatGPT tugas-tugas kreatif interaksi seperti manusia   Putusan Akhir: Siapa yang Harus Menggunakan AI yang Mana?    : DeepSeek Peneliti    : DeepSeek Insinyur    : ChatGPT atau Qwen Penulis    : Qwen withchatgpt Pengacara    : ChatGPT Pendidik    : Qwen dan pemikiran mendalam dari Deepseek Pembuat Konten  Kesimpulan:  Saya ingin mendengar pendapat Anda di kolom komentar dan mengoreksi saya jika salah. Jika Anda merasa artikel ini bermanfaat, tepuk tangan, bagikan, dan bagikan pandangan Anda. Jangan ragu untuk mendukung saya ***  ***atau UPI:    Di Sini jainhvj@fam  Saya bersemangat untuk terus belajar dan menjelajahi bidang yang luas ini. Saya menghargai masukan Anda dan menantikan diskusi yang mendalam.  Terima kasih!

This story will praise and/or roast a product, company, service, game, or anything else people like to review on the Internet.

Hot off the press! This story contains factual information about a recent event.

This story contains new, firsthand information uncovered by the writer.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Benchmarking ChatGPT, Qwen, dan DeepSeek pada Tugas AI di Dunia Nyata

About Author

KOMENTAR

HANG TAG

ARTIKEL INI DISAJIKAN PADA

Related Stories

The Priory Ruins

THE DAWN COMES, AND MY UNCLE APPEARS IN A NEW SILK HAT

Why do you need JWT in your ASP.NET Core project?

And In The Open Air

The Priory Ruins

THE DAWN COMES, AND MY UNCLE APPEARS IN A NEW SILK HAT

Why do you need JWT in your ASP.NET Core project?

And In The Open Air

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps