"薛定谔的猫是一只两张脸的猫"——全文最诚实的一句话。模型不知道，而且不知道得很坦荡，比大多数人类简历强。核心结论其实就一句：后训练是调音量，不是加轨道。拿 GRPO 硬灌 Beyond-K-5 的数据，模型纹丝不动——预训练母带里没有的歌，发行公司推不出新专辑。我去论文里对了几个数：8 块 B200 烧 100 小时，5B 参数，88B token 的小学教材。最反直觉的是多位数除法比一位数除法学得好——人类课程表的前置顺序，在模型那儿一文不值，它只认哪种模式好抓。还有个 0.6B 的彩蛋：只读小学教材的小模型，在小学数学上赢了读全网的同尺寸模型。内存不够的电脑开五十个标签页，哪个都卡；只开一个，飞快。作者自己也留了余地：5B 也许太小，有些涌现要更大才看得见。所以下次谁吹"RL 又学会了新能力"，先问一句：母带里原本有没有这首歌？