DeepSeek团队以“高性能+低成本+开源”为核心理念，通过多代模型迭代（如DeepSeek LLM、V系列、R1系列），不仅突破扩展规律（Scaling Law）瓶颈，更在推理能力与工程效率上树立新标杆^2^5^7。- 强化学习驱动推理：基于V3模型，通过GRPO算法（组相对策略优化）实现无监督冷启动，在数学推理（MATH）与代码生成（LiveCodeBench）任务中超越OpenAI O1模