DeepSeek缝合Claude,比单用R1/o1效果都好!GitHub揽星3k

DeepSeek 代替 Claude 思考,缝合怪玩法火了。

原因无它:比单独使用 DeepSeek R1、Claude Sonnet 3.5、OpenAI o1 模型的效果更好

来看一个测评结果:

代码编辑基准 Polyglot Benchmark 上,缝合模型效果小超 o1-high 和 R1 一头。

在这个测试中,R1 扮演架构师,描述如何解决代码问题。

Claude 扮演程序员,按要求生成特定的代码编辑指令,以便把改动应用到源文件中。

除此之外,实验过程中还得出还有几个有意思的结论:

  • o1 与 Claude Sonnet 搭配效果并不如单独使用 o1。

  • 使用 R1 或 o1 当架构师,Claude 之外的其他模型当程序员,效果都不如单独使用 R1 或 o1。

  • o1-preview 和 o1-mini 当架构师,使用很多不同的模型当程序员都能提高组合的成绩。

  • 使用 R1 的推理过程 token 效果不如使用 R1 的最终输出 token。

这样看来,R1 和 Claude Sonnet 还真是一对绝配啊~

DeepClaude 应用本身 100% 免费且开源,在 GitHub 上已揽获 3k 星星(当然 API 要用自己的)。

网友测试后总结到:Claude 擅长撰写清晰、结构良好的文本和代码,因此它能将 DeepSeek-R1 的想法转化为精炼的回复。

DeepClaude 作者之一对此有感而发:

AI 智能体和智能体应用正在展示出一种 "数字世界优先" 的范式转变,智能系统正在成为主动的合作者,而不仅仅是被动的工具。

DeepSeek 和 Claude 的混血儿

具体来说,DeepClaude 是一个 LLM 推理 API,通过 Rust 编写。

它提供了一个统一的接口,将 DeepSeek R1 的 CoT 逻辑推理能力和 Claude 的回复在单一流中无缝衔接

开发者可以通过这个 API 同时调用两种模型的功能,还能完全掌控自己的 API 密钥和数据。

打造它的团队名为 Asterisk,团队成员具有安全研究 & CTF(Capture The Flag)背景,致力于利用 AI 让检查代码安全这事儿变得更加高效。

团队认为,DeepSeek R1 的 CoT 深度推理甚至达到了 LLM 具有反省认知(metacognition)的程度,它能够自我纠正、思考不常见 / 极端 / 特殊的情况,并在自然语言中进行类似蒙特卡洛树搜索(MCTS)的推理。

不过 R1 在代码生成、创造力和对话技巧方面有所欠缺,Claude 3.5 Sonnet 在这些方面表现出色,刚好可以作补充。

何不将两者结合起来?取两者之长,打造出 DeepClaude~

对话中,Claude 回应之前,系统会显示 "" 这样的预填充文本。

DeepClaude 结合了这两种模型,具有以下特性:

托管 API 完全免费,允许用户使用自己的密钥,并将 DeepSeek 和 Claude 的流式 API 整合在一起,提供计算组合使用量和价格等便利功能。

代码是开源的,用户可以自由托管、修改和重新分发。团队表示它已经在 Asterisk 的生产环境中大规模使用,每天处理数百万 token,至今尚未出现故障,只要不滥用就行。

One More Thing

你以为两个模型缝合就是极限了吗?

No no no

还有网友开发出了三缝合玩法,将 DeepSeek-R1 和 Gemini 2.0 Flash 的思考结果组合起来,在让 Claude Sonnet 去回答问题。

在 GPQA 测试(谷歌搜不到的理化生博士级选择题)中也取得了好成绩。

Github 地址:github.com/getasterisk...

参考链接:

1\][aider.chat/2025/01/24/...](https://link.juejin.cn?target=https%3A%2F%2Faider.chat%2F2025%2F01%2F24%2Fr1-sonnet.html "https://aider.chat/2025/01/24/r1-sonnet.html") \[2\][x.com/deepclaude_...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2Fdeepclaude_%2Fstatus%2F1886911416478642279 "https://x.com/deepclaude_/status/1886911416478642279") \[3\][x.com/omercelik/s...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2Fomercelik%2Fstatus%2F1883510797193937278 "https://x.com/omercelik/status/1883510797193937278") \[4\][x.com/mufeedvh/st...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2Fmufeedvh%2Fstatus%2F1883620781583901011 "https://x.com/mufeedvh/status/1883620781583901011") --- **完** ---

相关推荐
巫婆理发2224 分钟前
神经网络(多层感知机)(第二课第二周)
人工智能·深度学习·神经网络
lxmyzzs8 分钟前
【打怪升级 - 03】YOLO11/YOLO12/YOLOv10/YOLOv8 完全指南:从理论到代码实战,新手入门必看教程
人工智能·神经网络·yolo·目标检测·计算机视觉
SEO_juper9 分钟前
企业级 AI 工具选型报告:9 个技术平台的 ROI 对比与部署策略
人工智能·搜索引擎·百度·llm·工具·geo·数字营销
Coovally AI模型快速验证21 分钟前
数据集分享 | 智慧农业实战数据集精选
人工智能·算法·目标检测·机器学习·计算机视觉·目标跟踪·无人机
xw337340956422 分钟前
彩色转灰度的核心逻辑:三种经典方法及原理对比
人工智能·python·深度学习·opencv·计算机视觉
蓝桉80222 分钟前
opencv学习(图像金字塔)
人工智能·opencv·学习
倔强青铜三26 分钟前
为什么 self 与 super() 成了 Python 的永恒痛点?
人工智能·python·面试
墨尘游子29 分钟前
目标导向的强化学习:问题定义与 HER 算法详解—强化学习(19)
人工智能·python·算法
go54631584651 小时前
中文语音识别与偏误检测系统开发
开发语言·人工智能·学习·生成对抗网络·数学建模·语音识别
GG向前冲1 小时前
机器学习对中特估股票关键特征选取的应用与研究
人工智能·机器学习·投资组合