DeepSeek-R1 เข้าถึงฟรีไม่จำกัด เป็นโมเดลการให้เหตุผลรุ่นแรกที่ได้รับการฝึกฝนโดยใช้การเรียนรู้แบบเสริมกำลังขนาดใหญ่ (RL) เพื่อแก้ปัญหาการให้เหตุผลที่ซับซ้อน