3）第三個創新點是，R1 泛化推理模型，通過深度推理 SFT 數據（本身帶推理能力）+通用 SFT 數據實現推理能力的跨任務泛化。DeepSeek-R1-Zero 存在可讀性差和語言混合等問題。因此，研究引入DeepSeek-R1，通過收集少量冷啟動數據對基礎模型進行微調，并采用多階段訓練流程，最終獲得了與 OpenAI o1-1217性能相當的模型。