AceReason-Nemotron-7B是一款通过强化学习训练的数学和代码推理模型，基于DeepSeek-R1-Distilled-Qwen-7B开发，在多个推理基准测试中表现出色。

基于强化学习训练的数学与编程推理模型，在多项基准测试中表现优异

Seed-Coder-8B-Reasoning是一个8B规模的开源代码模型，专注于代码生成和推理任务，具有强大的性能和高效的参数利用。

Seed-Coder-8B-Instruct 是一个8B规模的开源代码模型，经过指令微调以符合用户意图，支持32K上下文长度。

开放推理者零号是基于基础模型规模化强化学习的开源方案，专注于可扩展性、简洁性和易用性的大规模推理导向强化学习实现。

DeepSeek-R1 是由 DeepSeek 团队推出的第一代推理模型，通过大规模强化学习训练，无需监督微调（SFT）作为初步步骤，展现出卓越的推理能力。

DeepSeek-R1 是 DeepSeek 推出的第一代推理模型，通过强化学习训练而成，在数学、代码和推理任务上表现优异。