प्रोग्रामिङ र विश्लेषणमा 'क्लौड' ले 'डिपसिक' लाई पछि पार्छ

tomsguide.com ले ‘Anthropic’ को ‘Claude 3.5’ र चीनको ‘Deepseek R1’ मोडेलबीच सातवटा व्यावहारिक कार्यहरूमा तुलनात्मक परीक्षण गरेको थियो, जसमा प्रोग्रामिङ, अनुवाद, वित्तीय विश्लेषण, साहित्यिक रचनात्मकता, गणितीय समस्या समाधान, लामो सन्दर्भ बुझ्ने क्षमता र अरबी भाषा प्रशोधन समावेश थिए। नतिजाहरूले देखाए कि ‘Claude’ ले चारवटा कार्यहरूमा (प्रोग्रामिङ, वित्तीय विश्लेषण, गणित समाधान र लामो सन्दर्भ) श्रेष्ठता हासिल गर्यो, जबकि ‘Deepseek’ ले दुईवटा कार्यहरूमा (अनुवाद र अरबी भाषा) श्रेष्ठता हासिल गर्यो, र साहित्यिक रचनात्मकतामा दुवै बराबर भए।

तकनीकी सम्पादकले स्पष्ट पारे कि ‘Deepseek’ ले अरबीमा बोलीका भिन्नताहरूलाई गहिरो रूपमा बुझ्यो र प्राकृतिक अरबी पाठहरू उत्पन्न गर्ने क्षमता देखायो, जबकि ‘Claude’ पाइथन भाषामा प्रोग्रामिङ र तालिका विश्लेषणमा बढी सटीक थियो। परीक्षणले चीनको एउटा मोडेल अमेरिकी मोडेलभन्दा अरबी भाषामा श्रेष्ठ देखिएको देखायो, जसलाई विश्लेषकहरूले ‘धमाकेदार आश्चर्य’ मानेका छन्।

• प्रोग्रामिङ कार्यमा (एउटा सरल एप निर्माण), ‘Claude’ ले ९२ प्रतिशत सटीकता हासिल गर्यो, जबकि ‘Deepseek’ ले ६८ प्रतिशत हासिल गर्यो।

• अंग्रेजीबाट अरबीमा जटिल राजनीतिक लेखको अनुवादमा, अरबी बोल्ने ८५ प्रतिशतले ‘Deepseek’ को अनुवादलाई यसको प्रवाहमय शैलीको कारण प्राथमिकता दिए।

अवलोकनकर्ताहरूले मान्दछन् कि यो प्रतिस्पर्धाले देखाउँछ कि श्रेष्ठता अब अमेरिकी कम्पनीहरूको मात्र होइन, र चीनी मोडेलहरू छिटो अगाडि बढिरहेका छन्। रिपोर्टले पेशेवर डेभलपरहरूका लागि ‘Claude’ र अरबी सामग्रीसँग गहिरो रूपमा काम गर्नेहरूका लागि ‘Deepseek’ प्रयोग गर्न सुझाव दिएको छ।