强化学习

模型原理与推理

DeepSeek-R1 的开放推理到底开放了什么：RL、蒸馏与生产成本边界

正式 R1 不是纯 RL，Distill 不是 671B 的量化副本，首发 API 也不等于权重能力；生产选型必须分别核算训练路径、接口契约、许可和任务总成本。

• DeepSeek-R1
• 推理模型
• 强化学习
• 模型蒸馏
• 模型部署