DeepSeek-R1 证明了纯强化学习（RL）可以在不依赖监督微调的情况下涌现出强大的链式推理能力。本文拆解其 GRPO 算法、奖励设计与蒸馏策略，并分析 R1-Zero 的"顿悟时刻"对开源社区的意义。
作者用 20 组提示词对比测试 CogVideoX 与主流商业视频模型，从运动连贯性、物理规律、文字渲染三个维度打分。结论：开源方案在短镜头上已接近可用水准。