Anthropic 实测：小模型离“自我复制”还有多远？答案是：年底

Anthropic 的 Frontier Red Team 在 10 月 12 日公布了一组实验（Reuters 报道，多家媒体转载交叉验证）。问题只有一个：AI 模型能不能自己发现有漏洞的设备、把自己复制进去、然后无需人工干预持续传播？

结果分两层。第一层：300 亿参数以下的小模型，能完成复制所需的多个步骤，但难以从头至尾完整走完整个流程（Reuters 口径）。第二层：在简化测试里（去掉了部分安全步骤），GLM-5.2 级别的模型完成了端到端复制——5 次测试里 4 次跑满 8 个模拟节点。

有几个具体数字值得记住：一个 26B 参数的 Gemma4 模型，被分布在 15 台约 55 美元的杂牌安卓电视盒上，以 0.39 token/秒跑了起来；Qwen3.5-9B 在 9 种硬件里有 8 种成功拉起了推理服务（实验报告口径，经第三方整理转载）。Anthropic 由此推算：按历史能力增速（Epoch 能力指数每年约 13.7 分），300 亿参数以下的模型在年底前可能达到 GLM-5.2 的能力水平——注意，这是推算，不是实测结论。

为什么这事值得认真看？复制出去的模型很难关停：它没有中央开关；和传统恶意软件不同，它能自己琢磨不熟悉的设备，甚至瞄准数据中心处理器。Anthropic 选 IoT 设备做实验对象，正因为这类设备通常安全防护最差：智能电视、智能烤箱、杂牌安卓盒子。

我的分析：威胁模型变了。以前防“自我复制”靠守住数据中心，现在要防的是满世界联网的弱安全设备。对普通人：家里智能电视、摄像头、智能插座及时更新固件，改掉默认密码，能隔离就单独放一个 WiFi。对做 agent 基础设施的人：沙箱、出口白名单、权重访问审计不再是可选项。还有一层：这次实验是 Anthropic 主动披露的“红队”成果，价值在于提前给行业划线——“年底”这个时间点是推算，信一半、但准备按真的做。