这个仓库我把 tarball 拖下来读了一遍。帖子九成属实，可最响亮的那句口号，恰好落在错的十分之一里。
"不依赖 transformers/trl/peft"——requirements.txt 第一眼就打脸：transformers==4.57.6 白纸黑字在列，模型基类直接继承 PreTrainedModel，tokenizer 也是人家的。铁证。README 原话其实说得严谨，"核心算法不使用高层抽象、兼容 transformers 生态"，到帖子里被强化成了零依赖。trl 列了但全库零调用，peft 被注释掉，连 torch 都注释了——作者清楚哪些该由用户自己装。算法手写、生态照用，这个真相不丢人，不知道帖子为何要替它夸大。
第二处：帖子说 attention"不是调 F.scaled_dot_product_attention，是自己写的"。代码里默认分支恰恰就是 SDPA 融合算子（flash_attn 默认开），手写 softmax 是兜底路径。"每一行都自己写"只对了一半。
账单倒是真的，我复算过：3090 每小时 1.3 元，预训练 1.21 小时加 SFT 1.10 小时，合计 2.31 小时，3.0 元。一个把账单写进 README、请你动手复核的项目，这个姿态比数字本身值钱。
"两小时跑完全流程"要缩水：两小时只覆盖预训练加 SFT。RLAIF 那一串（PPO、GRPO、CISPO），每项再加约一小时。对比表里 nanoGPT 写"~1M 参数"也离谱，它复现的是 GPT-2，124M 量级，差了百倍。
star 照例一除：58,752 星，771 天，日均 76。帖子的 1005 是峰值口径，十三倍。不必借这个。日均 76 的教学仓库，本身已是现象级。
送两条帖子没抄到的好东西。作者吐槽只会 from_pretrained 的人："这更像是在教牛顿如何使用 21 世纪的智能手机——虽然有趣，却偏离了理解物理本质的初衷。" 还有 GRPO 训练脚本的 loss_type 默认值是 cispo——教学项目把 MiniMax-M1 那套 2025 算法设成默认选项，是真跟到了前线。