Deepseek在2025年1月顛覆了全球人工智能模型，但谷歌和OpenAI很快發(fā)布了Gemini2 Pro和O3。這就產(chǎn)生了一個(gè)問題，應(yīng)該使用哪種人工智能模型來進(jìn)行客戶服務(wù)？

為了評估這些模型在客戶服務(wù)任務(wù)上的表現(xiàn)，我們必須更深入地了解它們在各種AI基準(zhǔn)上的表現(xiàn)。我們還需要了解每個(gè)模型的獨(dú)特屬性。

本文將全面展示這些模型的技術(shù)性能，并深入了解企業(yè)如何使用這些模型進(jìn)行客戶服務(wù)。下面將涵蓋：

1. Deepseek R1、OpenAI O3和Gemini2 Pro的新功能
2. Deepseek R1、OpenAI O3和Gemini2 Pro的性能測試
3. 哪種模型能提供最佳的客戶服務(wù)性能
4. 結(jié)論

一、Deepseek R1、OpenAI O3和Gemini2 Pro有哪些新功能

當(dāng)OpenAI O1發(fā)布時(shí)，它是唯一的“推理”模型。OpenAI已開始使用測試時(shí)間計(jì)算來擴(kuò)展其模型，這樣模型在回答復(fù)雜問題之前會有更多的時(shí)間。O1在解決研究生級別的難題和問題方面具有卓越的能力。

Deepseek R1提供了相同的功能。在將這些最先進(jìn)的AI模型相互比較之前，讓我們先了解一下它們的區(qū)別。

1.Deepseek R1

眾所周知Deepseek R1導(dǎo)致了NVIDIA股票市場暴跌。盡管如此，NVIDIA發(fā)言人表示，“DeepSeek是一項(xiàng)出色的AI進(jìn)步，也是測試時(shí)間擴(kuò)展的完美示例。DeepSeek的工作說明了如何使用該技術(shù)創(chuàng)建新模型，利用廣泛可用的模型和完全符合出口管制的計(jì)算。”

Deepseek在AI訓(xùn)練方面取得了一些獨(dú)特的進(jìn)步，并受到廣泛贊譽(yù)。這些是：

• 用一小部分投資創(chuàng)建一個(gè)像O1這樣的“推理”模型。
• 優(yōu)化GPU到GPU的通信，使訓(xùn)練變得更高效、更快捷。
• 改進(jìn)Transformer模型以提供更快的答案。
• 提高模型給出的答案的準(zhǔn)確性。
• 提高LLM的成本效率（OpenAI o1成本為15美元/100萬個(gè)代幣，而Deepseek R1成本為2.19美元/100萬個(gè)代幣）。

Deepseek R1是最便宜的推理模型之一。這意味著企業(yè)可以節(jié)省更多成本，并允許他們無需花費(fèi)數(shù)百萬美元的資本支出即可將AI集成到每個(gè)領(lǐng)域。

此外，該模型完全開源，并附有詳細(xì)的技術(shù)論文。這使得企業(yè)可以在其云基礎(chǔ)設(shè)施上部署該模型，而無需向母公司支付費(fèi)用。

OpenAI O3緊隨Deepseek R1之后發(fā)布，并進(jìn)行了大量創(chuàng)新。

2.OpenAI O3

2024年12月，OpenAI首次展示了O3的性能，宣布它在ARC-AGI測試中獲得了88%的分?jǐn)?shù)。ARC-AGI測試旨在測試AI模型識別和完成新任務(wù)的能力。因此，O3可以自行解決新問題，并遠(yuǎn)遠(yuǎn)超過其他類似模型（O1和ClaudeNewSonnet）。

然而，O3為實(shí)現(xiàn)這一成績，在每項(xiàng)任務(wù)上都花費(fèi)了超過1000美元的計(jì)算能力。因此，盡管O3很智能，但執(zhí)行這些任務(wù)的效率并不高，因此很難向廣大公眾提供該模型。

于是，OpenAI推出了O3-Mini。O3-Mini也是一個(gè)推理模型，而且效率比O3高，但準(zhǔn)確率不如完整的O3。

為了進(jìn)行比較，以下是O3-Mini與O1-mini在常識任務(wù)上的比較：

O3-Mini的貢獻(xiàn)如下：

• 它是一種以編碼和其他技術(shù)任務(wù)為核心專業(yè)知識的專業(yè)模型。
• 與O1-Mini相比，O3-Mini的錯(cuò)誤減少了39%。
• 56%的測試者更喜歡O3-Mini，而不是O1-Mini
• O3-Mini回答問題比O1-Mini快2.5秒。

由于O3-Mini在評估中得分較高，并且比替代模型O1-Mini快得多，因此它是一個(gè)很好的入門模型。該模型目前對Plus用戶（每月支付20美元的人）有一些速率限制；它也可供商業(yè)使用，每100萬個(gè)代幣的價(jià)格為4.40美元。

然而，與Deepseek R1不同，O3-Mini是完全閉源的，不能部署在公司的云基礎(chǔ)設(shè)施上。

最新加入競爭的是Google Gemini2 Pro，這是一款功能強(qiáng)大的模型，在各方面均表現(xiàn)出色。

3.Gemini2 Pro

谷歌AIStudio和Deepmind現(xiàn)任產(chǎn)品負(fù)責(zé)人Logan Kilpatrick推出了Gemini，他表示：“這是我們迄今為止最強(qiáng)大的前沿模型，融合了開發(fā)人員喜愛的專業(yè)模型系列的所有功能。”

Gemini2性能卓越，超越許多當(dāng)前型號，具有以下特點(diǎn)：

• 200萬個(gè)標(biāo)記上下文窗口—Google擁有200萬個(gè)標(biāo)記長度的上下文窗口。您可以毫無問題地使用Gemini2 Pro分析所有書籍。Logan還展示了Gemini2在文檔處理方面表現(xiàn)出色，優(yōu)于所有當(dāng)前的OCR模型。
• 工具使用—O3-Mini和Deepseek等最新型號都附帶一些工具使用。同樣，使用Gemini2，您可以在AI模型中獲得Google搜索的強(qiáng)大功能。這對于希望為客戶提供切實(shí)而準(zhǔn)確的答案的開發(fā)人員和企業(yè)來說非常有用。
• 編碼—Gemini2 Pro型號專為技術(shù)專家打造。它提供與O3-mini類似級別的編碼專業(yè)知識。
• 復(fù)雜推理和提示—與上述模型一樣，Gemini2能夠熟練理解復(fù)雜提示和推理。這使得模型能夠執(zhí)行復(fù)雜的任務(wù)并提供詳細(xì)的答案。

Gemini2 Flash是一款比Gemini2 Pro響應(yīng)更快的型號，同時(shí)保持了相似的性能水平，其售價(jià)為0.7美元/100萬個(gè)代幣，是開發(fā)人員最便宜的選擇。

這三種模型均已投入商業(yè)使用，可用于構(gòu)建您的客戶服務(wù)聊天機(jī)器人或電子郵件問題處理客戶端。但現(xiàn)在我們已經(jīng)對這些模型及其獨(dú)特功能有了核心認(rèn)識，讓我們看看它們的性能表現(xiàn)如何。

二、Deepseek R1、OpenAI O3和Gemini2 Pro：性能測試

這些模型的總體性能如下。

這些評估基于幾個(gè)基準(zhǔn)，我們在下面列出：

讓我們探索這些性能類別并嘗試了解哪種模型在哪項(xiàng)任務(wù)上表現(xiàn)更好。

• 推理

     GPQA（研究生級GoogleProofQA基準(zhǔn)）和MMLU（大規(guī)模多任務(wù)語言理解基準(zhǔn)）測試AI模型如何推理和解決復(fù)雜問題。這些問題無法通過谷歌搜索解決，因此如果沒有適當(dāng)?shù)耐评砭蜔o法解決這些問題。OpenAI O3-Mini最擅長完成需要推理能力的復(fù)雜任務(wù)。

• 數(shù)學(xué)

    MATH基準(zhǔn)進(jìn)行測試，這些測試檢查模型解決數(shù)學(xué)問題的效率。由于這些問題需要技術(shù)專業(yè)知識和對數(shù)學(xué)概念的熟悉，因此它展示了AI模型解決復(fù)雜技術(shù)任務(wù)的能力。OpenAI O3-Mini最擅長解決數(shù)學(xué)問題。

• 語言

    為這些LLM提供的語言任務(wù)包括NYTConnection謎題、字謎和概要任務(wù)。目前，Gemini2Flash在這些任務(wù)上表現(xiàn)最佳。

• 準(zhǔn)確性

    在此基準(zhǔn)測試中，模型會被問到一些特定領(lǐng)域的常識問題。這會測試模型中存在的基礎(chǔ)知識。Deepseek R1在此測試中的表現(xiàn)優(yōu)于Gemini2和O3-mini。

• 編碼

    這是一個(gè)特定的基準(zhǔn)，用于測試這些模型生成和完成編程任務(wù)的能力。OpenAI O3-Mini在編碼方面表現(xiàn)最佳。

• 成本

    成本效益是評估客戶服務(wù)AI模型的主要因素之一。Gemini2提供最具成本效益的服務(wù)，每百萬輸出代幣收費(fèi)0.7美元。

現(xiàn)在，通過查看性能，您可以看到OpenAI O3-Mini在技術(shù)上最為精湛。然而，它的價(jià)格也是最高的。另一方面，Deepseek R1提供了最好的準(zhǔn)確度，而Gemini2在需要理解語言的面向文檔的任務(wù)方面表現(xiàn)最佳。

這個(gè)具體的性能描述讓我們了解哪種模型最適合客戶服務(wù)。

三、哪種模型能提供最佳的客戶服務(wù)性能

考慮到這些模型的能力，我們可以構(gòu)建一個(gè)模型來選擇合適的模型。

為什么說Gemini2是客戶服務(wù)的最佳選擇？

我們根據(jù)以下參數(shù)評估客戶服務(wù)模式：

• 成本

     在任何客戶服務(wù)項(xiàng)目中，您都必須與大規(guī)模人員建立聯(lián)系。成本效率在其中起著關(guān)鍵作用，而Gemini2是目前最具成本效益的先進(jìn)模型。

• 語言效率

     您的AI聊天機(jī)器人和電子郵件系統(tǒng)必須理解客戶投訴并很好地對問題進(jìn)行分類。Gemini2最擅長解決面向語言的任務(wù)。

• 準(zhǔn)確性

     準(zhǔn)確性是我們在評估AI模型時(shí)必須關(guān)注的關(guān)鍵因素之一。然而，在客戶服務(wù)任務(wù)中，模型在使用RAG回答問題時(shí)會提供所需信息。因此，雖然Deepseek在準(zhǔn)確性方面得分最高，但Gemini2的得分將使其能夠有效地向客戶提供準(zhǔn)確的答案。

• 技術(shù)專長

     雖然這些模型在編碼和技術(shù)任務(wù)方面都很出色，但大多數(shù)客戶投訴并沒有列出計(jì)算機(jī)錯(cuò)誤或復(fù)雜問題。如果我們以希望使用人工智能解決和自動化L1客戶投訴為中心，那么OpenAI O3在技術(shù)專長方面的高分在我們的評級中是最低優(yōu)先級的。

因此，如果特別注重客戶支持，Gemini2是客戶服務(wù)的最佳模式。但是，我們認(rèn)識到大多數(shù)組織都有不同的要求，而其他兩種模式更擅長解決各種問題。

四、結(jié)論

我們對DeepSeek R1、OpenAI O3-mini和Gemini2 Flash的深入研究揭示了一個(gè)關(guān)鍵點(diǎn)：沒有單一的“最佳”客戶服務(wù)AI模型。您的選擇在很大程度上取決于您的特定需求、優(yōu)先事項(xiàng)以及客戶互動的性質(zhì)。

盡管OpenAI O3-mini在原始基準(zhǔn)測試得分方面一直處于領(lǐng)先地位，尤其是在推理、數(shù)學(xué)和編碼方面，但其較高的成本和閉源性質(zhì)使其對某些組織來說不太容易獲得。DeepSeek R1提供了一個(gè)具有強(qiáng)大準(zhǔn)確性的引人注目的開源替代方案，但其整體性能與O3-mini的技術(shù)實(shí)力并不完全匹配。

我們的分析表明，Gemini2 Flash是最全面的選擇。它在語言理解方面的優(yōu)勢，加上成本效益和大上下文窗口（非常適合處理客戶歷史記錄和文檔），使其非常適合以下任務(wù)：

• 聊天機(jī)器人交互

    處理常見查詢，指導(dǎo)用戶完成故障排除步驟，并升級復(fù)雜問題。

• 電子郵件票務(wù)

    對支持請求進(jìn)行分類，對常見問題提供自動響應(yīng)，并總結(jié)長電子郵件線程。

• 文檔處理

    從客戶提交的文檔（如發(fā)票、合同或反饋表）中提取相關(guān)信息。

然而，記住細(xì)微差別至關(guān)重要：

• 需要技術(shù)支持

    如果您的客戶服務(wù)經(jīng)常涉及調(diào)試代碼或解決復(fù)雜的數(shù)學(xué)問題，O3-mini的卓越技術(shù)能力可能值得您支付更高的費(fèi)用。

• 您是否希望優(yōu)先考慮開源和本地部署

    DeepSeek R1顯然是最好選擇，它能夠提供控制并節(jié)省成本。

• 需要處理大量文檔或需要較長的上下文窗口

    Gemini2的兩百萬個(gè)標(biāo)記上下文窗口是您的首選AI模型。