DeepSeekMath 系列的这三个模型（Base、Instruct、RL）主要在以下方面有所区别：

1. Base 模型：通常是基础模型，它可能是在大规模数据上进行无监督学习训练得到的。能够对输入的数学相关内容进行基本的理解和处理，但可能缺乏特定的任务导向性。
2. Instruct 模型：经过了指令微调（Instruction Tuning）。这意味着它被训练以更好地理解和遵循人类给出的指令，能够更有针对性地根据用户的明确指示来完成数学相关任务，例如回答特定类型的数学问题、提供解题步骤等。
3. RL 模型：基于强化学习（Reinforcement Learning）训练。这类模型通过与环境进行交互并根据奖励信号来优化策略，从而能够在数学任务中做出更优化的决策，例如在复杂的数学推理或优化问题中表现可能更出色。

总的来说，这三个模型的应用场景和性能特点会因训练方式和目的的不同而有所差异，您可以根据具体的需求选择使用。