DeepSeek - R1 开创 RL 加持下的强推理慢思考范式，通过独特训练技术提升推理能力，在数学和编程任务中表现优异。

与 Kimi 1.5 等模型相比，虽都关注 RL 提升，但实现方式有别。在技术路线上，蒸馏和强化学习各有优劣。

未来，模型将朝着长思维链可解释性、模态扩展等方向发展，同时面临模型弹性抗拒对齐等挑战，需新的算法设计和评估方法。