声明：本文来自于微信公众号 量子位 | 公众号 QbitAI，作者：梦晨 西风，授权站长之家转载发布。
原因无它:比单独使用DeepSeek R1、Claude Sonnet3.5、OpenAI o1模型的效果更好。
再来看一个测评结果:
在代码编辑基准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。
而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。
- 但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，Claude3.5Sonnet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“<thinking>
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Gemini2.0Flash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:https://github.com/getasterisk/deepclaude
参考链接:
[1]https://aider.chat/2025/01/24/r1-sonnet.html
[2]https://x.com/deepclaude_/status/1886911416478642279
[3]https://x.com/omercelik/status/1883510797193937278
[4]https://x.com/mufeedvh/status/1883620781583901011
— 完 —