中美模型差距本质是 RL 环境覆盖与数据质量之争

长文分析认为，中美模型在 RL 训练上的真实差距主要来自问题覆盖深度，而非直接刷榜；有效算力与环境质量共同决定覆盖收益。DeepSeek V4.1 每 GPU 小时可负担的轨迹数为 Kimi K3.1 的 16-50 倍，Kimi K3 的 ECI 分数则几乎被 Frontier Math 拖累。