有些推文的寿命只有一个下午，有些推文替一场地震提前写好了标题。2025 年 1 月 20 日晚上，DeepSeek 开源 R1 的几个小时内，NVIDIA 研究员 Jim Fan 发了一条长帖，开头一句话后来几乎成了全球媒体报道这件事的标准叙事：
“We are living in a timeline where a non-US company is keeping the original mission of OpenAI alive - truly open, frontier research that empowers all."（我们活在这样一条时间线上：一家非美国公司在延续 OpenAI 的最初使命，真正开放的、让所有人受益的前沿研究。） 出处：Jim Fan 于 X，2025 年 1 月
先把他说了什么放平。R1 那次开源的分量在于给得彻底：模型权重放出来了，训练方法也全写进了技术报告。Jim Fan 挑了几个当时最反直觉的点：R1-Zero 用纯强化学习训练出推理能力，没有拿人工标注的示范数据先教一遍（业内叫 SFT，监督微调）；奖励信号用的是最笨的办法，答案对没对、格式合没合规，规则一判就完事，没上那种再训一个模型来打分的"聪明"奖励；行业默认要用的复杂搜索算法它也没用。最有意思的是，模型思考时间越来越长、会回头检查自己，这些行为没人设计过，是训练过程里自己长出来的。
这条帖子经受住了时间检验。后来一年里，纯 RL 路线被多个开源项目复现，规则奖励优于学习型奖励也成了共识。一周后英伟达股价单日蒸发约 5890 亿美元，创下美股纪录，回头看，这条推文提前把逻辑讲完了：开源平权会重排整个产业的估值假设。
我反复咀嚼的是他的解读方法。他没有均匀地总结论文，专挑"大家以为必须有 X，这里没有 X"的部分下笔。看一篇论文用了什么，人人都会；看它没用什么，才需要对行业默认假设足够熟。这个读法我打算搬进自己的日常：下次读技术报告，先列一张"惯例清单”，再对着找缺席者。
另一面也得说。他把这次开源和 OpenAI 的初心对照，修辞上漂亮，定性上偏宽厚：训练数据和完整训练代码并没有开源，严格讲这是"开放权重加开放方法"，和早年论文带代码的开放程度还有距离。“非美国公司"这个国别框架帮帖子破了圈，代价是后续大量讨论纠缠在中美叙事上，方法论本身反而被挤到了边上。还有个容易踩的坑：纯 RL 的是 R1-Zero，R1 本体的训练流程里是有监督微调阶段的，传播中这两个经常被混为一谈。
我的收获归成一句：判断谁在做开放研究，看行为，别看名字。顺带记下一个工程直觉，奖励和门禁这类东西，能用规则判定就别用模型打分，笨办法不会被钻空子。
原文: We are living in a timeline where a non-US company is keeping the original mission of OpenAI alive (DeepSeek-R1 analysis thread), 作者 Jim Fan, 发布于 2025-01