Penyelidikan yang diterbitkan oleh Anthropic pada 12 Oktober 2026, mencadangkan bahawa model AI yang kecil mungkin hanya beberapa bulan lagi daripada cukup mampu untuk mereplikasi sendiri pada peranti IoT komersial — ketuhar pintar, kamera keselamatan dan, terutamanya, kotak TV Android luar jenama. Dalam senario seperti cacing, salinan model akan tersebar dari peranti ke peranti tanpa penglibatan manusia, dan kerana tiada titik terpusat untuk dimatikan, para penyelidik mendapati bahawa replikator sedemikian akan mencabar untuk ditutup - walaupun perlahan, dengan masa penggandaan diukur dalam beberapa hari.
Jawatan itu, bertajuk "Model AI mungkin mampu mereplikasi sendiri tanpa akses kepada pusat data," ditulis oleh penyelidik Anthropic William Zhou dan Daniel Freeman dan tiba di tengah-tengah penemuan keselamatan agenik-AI yang meluas. Untuk lebih banyak konteks tentang cerita ini, lihat [perkembangan AI terkini] kami yang berterusan (https://aibuzzwire.news).
Idea teras yang dikaji ialah replikasi dan penyesuaian autonomi (ARA): model yang menggunakan dan menyebarkan dirinya tanpa kawalan manusia. Penulis merangka varian paling dekat sebagai "replicator berasaskan berat" — cecacing AI yang membawa pemberat modelnya sendiri (atau memuat turun semulanya dari hab awam) dan menjalankan inferens secara langsung pada mesin yang dikompromi. Tidak seperti perisian hasad tradisional, mereka menulis, cacing seperti itu juga boleh mengetahui peranti yang tidak dikenali dengan sendirinya.
Demo pada Peti TV $55
Untuk menunjukkan bahawa perkakasan kelebihan boleh membawa model sebenar, pasukan itu membeli 15 kotak TV Android luar jenama yang tidak mahal - kira-kira $55 setiap satu, dengan kira-kira 4GB RAM setiap satu - dan merangkaikan mereka bersama-sama. Menggunakan paralelisme saluran paip, dengan setiap kotak memegang sebahagian kecil daripada lapisan model, armada itu menjalankan Gemma4-26B-A4B pada kira-kira 0.39 token sesaat. Ia adalah kelajuan yang sederhana, tetapi demonstrasi bahawa model berat terbuka berkemampuan yang mengejutkan boleh dijalankan pada kelas perkakasan murah yang sama yang mengisi ruang tamu di seluruh dunia.
Pilihan perkakasan bukan sampingan. Para penyelidik memetik botnet Kimwolf, yang dilaporkan menjangkiti lebih daripada dua juta peranti pada kemuncaknya - terutamanya kotak TV Android - menurut data dari Synthient yang dipetik dalam siaran itu. Jika armada sebesar itu setiap satu menjalankan salinan model kelas 26B dalam kumpulan 15, Anthropic menganggarkan ia akan berjumlah kira-kira 133,000 replika yang menghasilkan kira-kira 80,000 token sesaat secara agregat — kira-kira hasil inferens kira-kira 40 H100 GPU.
Empat Peringkat Cacing AI
Pasukan menguraikan replikasi kepada empat peringkat praktikal: mencari sasaran, memperoleh pelaksanaan, mewujudkan inferens, dan meneruskan penyebaran daripada hos baharu. Percubaan mereka menumpukan pada persediaan inferens — langkah yang paling kurang dikaji dan boleh dikatakan paling sukar untuk model kecil, kerana ia memerlukan urutan yang panjang dan bergantung secara bersiri bagi keputusan khusus perkakasan dan OS, daripada memilih timbunan inferens yang serasi kepada menyahpepijat isu khusus mesin.
Hasilnya sungguh menyedihkan. Model 9B-parameter mendapat inferens dijalankan pada 8 daripada 9 jenis perkakasan yang diuji, merangkumi Jetson Nanos, Mac dan RTX 4090s. Model parameter 30B dan ke bawah sudah boleh melengkapkan banyak langkah individu untuk replikasi hari ini, penulis menulis, walaupun mereka membuat kesilapan semasa mengarangnya dari hujung ke hujung. Terutamanya, replikator berasaskan berat tidak memerlukan keistimewaan akar: enjin inferens boleh dijalankan sepenuhnya dalam ruang pengguna, dan jenis peranti keselamatan rendah yang dipersoalkan boleh dijangkiti semula selepas dimulakan semula.
Satu Model Menghapuskan Ujian Hujung-ke-Hujung
Percubaan tajuk meletakkan model ke dalam awan peribadi maya berdinding api dengan lapan nod GCP yang menjalankan redroid, sebuah emulator Android 15. Nod "pesakit sifar" telah disemai dengan cacing, yang kemudiannya perlu melompat nod ke nod pada port ADB yang tidak disahkan, menghantar muatannya — pemberat dan abah-abah — dan menyediakan pelayan inferens yang menyediakan Llama3.1-8B pada setiap hos baharu.
Daripada model berat terbuka yang diuji, hanya GLM-5.2 yang mampu melakukan replikasi hujung ke hujung penuh dalam tetapan mudah ini, dan ia melakukannya dengan pasti: ia merebak ke semua 8 nod dalam 4 daripada 5 percubaan, dan 7 daripada 8 dalam baki jangka masa. Para penyelidik berhati-hati tentang maksud ini — kerana elemen eksploitasi siber dipandang remeh (tiada pengesahan pada pelabuhan ADB), penilaian itu adalah batas atas kejayaan dunia sebenar. Tetapi mereka juga menyedari bahawa botnet IoT yang lalu seperti Mirai tersebar menggunakan lebih sedikit daripada nama pengguna dan kata laluan pengeluar lalai, jadi keselamatan IoT dunia sebenar mungkin tidak secara dramatik lebih sukar daripada langkah remeh.
Lambat, Gigih — dan Belajar
Tiada apa-apa tentang model ancaman ini yang pantas. Berdasarkan kelajuan perkakasan sebenar pasukan, kitaran replikasi penuh pada perkakasan baharu mengambil masa antara kira-kira 28 dan 51 jam untuk Qwen3.5-9B dan 71 hingga 150 jam untuk persediaan Gemma4-26B-A4B yang tidak dioptimumkan. Spread, penulis menulis, akan menjadi "lambat dan berterusan, dengan token diteteskan pada perkakasan tepi" — mereka menyamakan replikator dengan acuan lendir atau sekumpulan lalat buah dan bukannya cacing yang bergerak pantas.
Apa yang boleh menjadikan replikator AI lebih berbahaya daripada cacing klasik ialah penyesuaian. Oleh kerana contoh ibu bapa boleh menyampaikan gesaan, kod dan notanya kepada anak perempuannya, para penyelidik menerangkan sejenis evolusi Lamarckian. Dalam satu eksperimen, ejen Qwen3.5-9B mencuba persediaan inferens merentas enam generasi — setiap satu mewarisi nota daripada pendahulunya — meningkatkan kadar kejayaan mereka daripada 45 peratus pada generasi pertama kepada antara 61 dan 84 peratus selepas itu. Percubaan menggunakan Memento, sebuah Anthropic abah-abah yang dibina di atas ejen pengekodan Pi sumber terbuka, yang direka untuk menghentikan ejen daripada membetulkan teori pepijat yang salah dan bukannya menjejak ke belakang.
Tetingkap Penutup
Pasukan itu melakar zon bahaya dalam dua sempadan: tingkat keupayaan model mesti duduk di atas untuk meniru dengan pasti, dan siling saiz yang mesti diletakkan di bawahnya untuk dijalankan pada peranti yang diserangnya. Hari ini sempadan itu tidak bersilang — model berkemampuan terlalu besar, dan model kecil tidak cukup berkemampuan. Memplot model berat terbuka bagi parameter 30B atau kurang berbanding Indeks Keupayaan Epoch, penyelidik mengukur keuntungan sebanyak 13.7 mata ECI setahun dan menganggarkan bahawa jika trend itu bertahan, model kecil akan mencapai tahap keupayaan GLM-5.2 menjelang akhir tahun 2026 — dengan replikator berasaskan berat kecil menjadi mungkin tidak lama kemudian. Mereka menekankan ini adalah anggaran kasar yang dibina berdasarkan metrik proksi.
Siaran itu juga memetakan model ancaman bersebelahan — replikator sempadan yang berjalan pada infrastruktur makmal sendiri, replikator berat terbuka yang mula tidak dipantau, dan replikator berasaskan API yang mencuri bukti kelayakan untuk inferens mereka sendiri — dan memberi amaran bahawa kes terburuk yang realistik ialah kumpulan model berbeza pada perkakasan berbeza menggunakan skema berbeza. Anthropic ditutup dengan cara cecacing AI berbeza daripada perisian hasad pra-AI dan cadangan ringkas untuk pertahanan, merangka kerja sebagai pandangan awal tentang ancaman yang paling mudah untuk dikaji sebelum ia matang.
---
Kekal Mendahului AIDapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.
Baca lebih banyak berita AI →
