来自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文线程

所以，就基准测试而言，这大概相当于 V3.2 版本的模型。参数量减半，有效令牌数可能翻了一番（23T@Muon）。各大实验室都在积极采用这种大规模强化学习方法。 下一代基地将再次展现出有趣的差异。