ஆந்த்ரோபிக் அக்டோபர் 12, 2026 அன்று வெளியிட்ட ஆராய்ச்சியில், சிறிய AI மாடல்கள் வணிகரீதியான IoT சாதனங்களில் சுய-பிரதிகளை உருவாக்குவதற்கு சில மாதங்கள் மட்டுமே ஆகும் என்று பரிந்துரைக்கிறது - ஸ்மார்ட் ஓவன்கள், பாதுகாப்பு கேமராக்கள் மற்றும் எல்லாவற்றிற்கும் மேலாக, ஆஃப்-பிராண்ட் ஆண்ட்ராய்டு டிவி பெட்டிகள். புழு போன்ற சூழ்நிலையில், ஒரு மாதிரியின் நகல்கள் மனித ஈடுபாடு இல்லாமல் சாதனத்திலிருந்து சாதனத்திற்கு பரவும், மேலும் ஸ்விட்ச் ஆஃப் செய்ய மையப்படுத்தப்பட்ட புள்ளி இல்லாததால், ஆராய்ச்சியாளர்கள் கவனிக்கிறார்கள், அத்தகைய பிரதியை மூடுவது சவாலானது - மெதுவாக இருந்தாலும், நாட்களில் இரட்டிப்பு நேரம் அளவிடப்படுகிறது.

"ஏஐ மாதிரிகள் தரவு மையத்தை அணுகாமல் சுயமாகப் பிரதிபலிக்கும் திறன் கொண்டவை" என்று தலைப்பிடப்பட்ட இடுகை, மானுடவியல் ஆராய்ச்சியாளர்களான வில்லியம் சோ மற்றும் டேனியல் ஃப்ரீமேன் ஆகியோரால் எழுதப்பட்டது மற்றும் ஏஜென்டிக்-ஏஐ பாதுகாப்பு கண்டுபிடிப்புகளின் நீட்டிக்கப்பட்ட ஓட்டத்தின் மத்தியில் வந்துள்ளது. இந்தக் கதையைப் பற்றிய கூடுதல் சூழலுக்கு, எங்களின் தற்போதைய சமீபத்திய AI மேம்பாடுகளைப் பார்க்கவும்.

ஆய்வின் கீழ் உள்ள முக்கிய யோசனை தன்னியக்க பிரதி மற்றும் தழுவல் (ARA): மனிதக் கட்டுப்பாடு இல்லாமல் தன்னைத் தானே வரிசைப்படுத்தி பரப்பும் ஒரு மாதிரி. ஆசிரியர்கள் மிக நெருங்கிய கால மாறுபாட்டை "எடை-அடிப்படையிலான ரெப்ளிகேட்டர்" என்று வடிவமைத்துள்ளனர் - ஒரு AI புழு அதன் சொந்த மாதிரி எடைகளை (அல்லது பொது மையத்திலிருந்து மீண்டும் பதிவிறக்குகிறது) மற்றும் அது சமரசம் செய்யும் இயந்திரங்களில் நேரடியாக அனுமானத்தை இயக்குகிறது. பாரம்பரிய தீம்பொருளைப் போலன்றி, அவர்கள் எழுதுகிறார்கள், அத்தகைய புழு அதன் சொந்த அறிமுகமில்லாத சாதனங்களைக் கண்டுபிடிக்க முடியும்.

$55 டிவி பெட்டிகளில் ஒரு டெமோ

எட்ஜ் ஹார்டுவேர் உண்மையான மாடல்களைக் கொண்டு செல்ல முடியும் என்பதைக் காட்ட, குழு 15 விலையில்லா பிராண்ட் ஆண்ட்ராய்டு டிவி பெட்டிகளை வாங்கியது - ஒவ்வொன்றும் சுமார் $55, ஒவ்வொன்றும் சுமார் 4 ஜிபி ரேம் - மற்றும் அவற்றை ஒன்றாக நெட்வொர்க் செய்தது. பைப்லைன் பேரலலிசத்தைப் பயன்படுத்தி, ஒவ்வொரு பெட்டியும் மாதிரியின் அடுக்குகளின் ஒரு பகுதியை வைத்திருக்கும், கடற்படை ஜெம்மா4-26B-A4B ஐ வினாடிக்கு 0.39 டோக்கன்களில் இயக்கியது. இது ஒரு மிதமான வேகம், ஆனால் வியக்கத்தக்க திறன் கொண்ட திறந்த-எடை மாதிரிகள் உலகெங்கிலும் வாழும் அறைகளை நிரப்பும் அதே வகை மலிவான வன்பொருளில் இயங்கும் ஒரு ஆர்ப்பாட்டம்.

வன்பொருளின் தேர்வு தற்செயலானது அல்ல. கிம்வொல்ஃப் பாட்நெட்டை ஆராய்ச்சியாளர்கள் மேற்கோள் காட்டுகின்றனர், இது இரண்டு மில்லியனுக்கும் அதிகமான சாதனங்களை அதன் உச்சத்தில் - முதன்மையாக ஆண்ட்ராய்டு டிவி பெட்டிகளில் - பதிவில் மேற்கோள் காட்டப்பட்ட சின்தியண்டின் தரவுகளின்படி பாதித்ததாக கூறப்படுகிறது. 26B-வகுப்பு மாதிரியின் நகல்களை 15 பேர் கொண்ட குழுக்களாக இயக்கினால், 133,000 பிரதிகள் மொத்தமாக வினாடிக்கு 80,000 டோக்கன்களை உற்பத்தி செய்யும் - தோராயமாக 40 GPUs H100 இன் அனுமானத்தின் அளவு இருக்கும் என்று ஆந்த்ரோபிக் மதிப்பிடுகிறது.

AI புழுவின் நான்கு நிலைகள்

குழு நகலெடுப்பை நான்கு நடைமுறை நிலைகளாக சிதைக்கிறது: இலக்குகளைக் கண்டறிதல், செயல்படுத்துதல், அனுமானத்தை நிறுவுதல் மற்றும் புதிய ஹோஸ்டிலிருந்து தொடர்ந்து பரப்புதல். அவர்களின் சோதனைகள் அனுமான அமைப்பில் கவனம் செலுத்துகின்றன - சிறிய மாடல்களுக்கான மிகக் குறைந்த ஆய்வு மற்றும் விவாதிக்கக்கூடிய கடினமான படி, இதற்கு வன்பொருள் மற்றும் OS-சார்ந்த முடிவுகளின் நீண்ட, தொடர் சார்ந்து, இணக்கமான அனுமான அடுக்கைத் தேர்ந்தெடுப்பது முதல் இயந்திரம் சார்ந்த சிக்கல்களைப் பிழைத்திருத்துவது வரை தேவைப்படுகிறது.

முடிவுகள் நிதானமாக இருந்தன. ஜெட்சன் நானோஸ், மேக்ஸ் மற்றும் ஆர்டிஎக்ஸ் 4090கள் வரையிலான சோதனை செய்யப்பட்ட 9 வன்பொருள் வகைகளில் 8 இல் 9பி அளவுரு மாதிரி இயங்குகிறது. 30B அளவுருக்கள் மற்றும் அதற்குக் கீழ் உள்ள மாதிரிகள், இன்று நகலெடுப்பதற்கான பல தனிப்பட்ட படிகளை ஏற்கனவே முடிக்க முடியும், ஆசிரியர்கள் எழுதுகிறார்கள், இருப்பினும் அவற்றை இறுதி முதல் இறுதி வரை உருவாக்கும் போது அவர்கள் தவறு செய்கிறார்கள். குறிப்பிடத்தக்க வகையில், ஒரு எடை அடிப்படையிலான பிரதியமைப்பாளருக்கு ரூட் சலுகைகள் கூட தேவையில்லை: அனுமான இயந்திரங்கள் முழுவதுமாக பயனர்வெளியில் இயங்க முடியும், மேலும் கேள்விக்குரிய குறைந்த-பாதுகாப்பு சாதனங்கள் மறுதொடக்கம் செய்யப்பட்ட பிறகு மீண்டும் பாதிக்கப்படலாம்.

ஒரு மாடல் எண்ட்-டு-எண்ட் டெஸ்டில் வெற்றி பெற்றது

ஹெட்லைன் பரிசோதனையானது, ஆண்ட்ராய்டு 15 எமுலேட்டரான ரெட்ராய்டில் இயங்கும் எட்டு ஜிசிபி நோட்களின் ஃபயர்வால் செய்யப்பட்ட மெய்நிகர் பிரைவேட் கிளவுட்டில் மாடல்களை இறக்கியது. ஒரு "நோயாளி பூஜ்ஜியம்" கணு புழுவுடன் விதைக்கப்பட்டது, பின்னர் அது அங்கீகரிக்கப்படாத ADB போர்ட்டின் மேல் முனையை அழுத்தி, அதன் பேலோடை - எடைகள் மற்றும் சேணம் - வழங்க வேண்டும் மற்றும் ஒவ்வொரு புதிய ஹோஸ்டிலும் Llama3.1-8B க்கு சேவை செய்யும் அனுமான சேவையகத்தை நிலைநிறுத்த வேண்டும்.

சோதனை செய்யப்பட்ட திறந்த-எடை மாடல்களில், GLM-5.2 மட்டுமே இந்த எளிமைப்படுத்தப்பட்ட அமைப்பில் முழு இறுதி-இறுதி நகலெடுக்கும் திறன் கொண்டது, மேலும் அது நம்பகத்தன்மையுடன் செய்தது: இது 5 சோதனைகளில் 4 இல் அனைத்து 8 முனைகளுக்கும், மீதமுள்ள ரன்னில் 8 இல் 7க்கும் பரவியது. இதன் அர்த்தம் என்ன என்பதில் ஆராய்ச்சியாளர்கள் கவனமாக உள்ளனர் - ஏனெனில் சைபர்-சுரண்டல் உறுப்பு அற்பமாக வைக்கப்பட்டது (ADB போர்ட்டில் அங்கீகாரம் இல்லை), மதிப்பீடு நிஜ உலக வெற்றியின் மேல் வரம்பாகும். ஆனால் Mirai போன்ற கடந்தகால IoT போட்நெட்டுகள் இயல்புநிலை உற்பத்தியாளர் பயனர்பெயர்கள் மற்றும் கடவுச்சொற்களை விட சற்று அதிகமாகப் பயன்படுத்தி பரவியது, எனவே நிஜ-உலக IoT பாதுகாப்பு அற்பமான படியை விட வியத்தகு முறையில் கடினமாக இருக்காது.

மெதுவான, நிலையான — மற்றும் கற்றல்

இந்த அச்சுறுத்தல் மாதிரி பற்றி எதுவும் வேகமாக இல்லை. அணியின் உண்மையான வன்பொருள் வேகத்தின் அடிப்படையில், புதிய வன்பொருளின் முழு பிரதி சுழற்சியானது Qwen3.5-9B க்கு சுமார் 28 முதல் 51 மணிநேரம் வரை எடுத்தது, மேலும் மேம்படுத்தப்படாத Gemma4-26B-A4B அமைப்பிற்கு 71 முதல் 150 மணிநேரம் ஆகும். ஸ்ப்ரெட், ஆசிரியர்கள் எழுதுகிறார்கள், "மெதுவாகவும் விடாமுயற்சியுடன், விளிம்பு வன்பொருளில் டோக்கன்கள் ஏமாற்றப்படுகின்றன" - அவர்கள் ஒரு ரெப்ளிகேட்டரை ஒரு ஸ்லிம் மோல்ட் அல்லது பழ ஈக் கூட்டத்துடன் ஒப்பிடுகிறார்கள், மாறாக வேகமாக நகரும் புழுவைக் காட்டிலும்.

கிளாசிக் புழுக்களை விட AI ரெப்ளிகேட்டர்களை மிகவும் ஆபத்தானதாக மாற்றுவது தழுவல் ஆகும். ஒரு பெற்றோர் நிகழ்வு அதன் தூண்டுதல்கள், குறியீடு மற்றும் குறிப்புகளை அதன் மகள்களுக்கு அனுப்ப முடியும் என்பதால், ஆராய்ச்சியாளர்கள் ஒரு வகையான லாமார்க்கியன் பரிணாமத்தை விவரிக்கின்றனர். ஒரு பரிசோதனையில், Qwen3.5-9B முகவர்கள் ஆறு தலைமுறைகளில் அனுமானத்தை அமைக்க முயற்சிக்கின்றனர் - ஒவ்வொன்றும் அதன் முன்னோடிகளிடமிருந்து பெறப்பட்ட குறிப்புகள் - முதல் தலைமுறையில் 45 சதவீதத்திலிருந்து 61 முதல் 84 சதவீதத்திற்கு இடையே வெற்றி விகிதத்தை மேம்படுத்தியது. சோதனைகள் மெமெண்டோ, ஓப்பன் சோர்ஸ் பை குறியீட்டு முகவரின் மேல் கட்டப்பட்ட ஆந்த்ரோபிக் சேனலைப் பயன்படுத்தியது, இது பேக் டிராக்கிங்கிற்குப் பதிலாக பிழையின் தவறான கோட்பாட்டை முகவர்கள் சரிசெய்வதைத் தடுக்க வடிவமைக்கப்பட்டுள்ளது.

ஒரு மூடும் சாளரம்

குழு ஆபத்து மண்டலத்தை இரண்டு எல்லைகளில் வரைகிறது: ஒரு மாடல் நம்பகத்தன்மையுடன் நகலெடுக்க மேலே உட்கார வேண்டிய ஒரு திறன் தளம், மற்றும் அது தாக்கும் சாதனங்களில் இயங்குவதற்கு அது உட்கார வேண்டிய அளவு உச்சவரம்பு. இன்று அந்த எல்லைகள் குறுக்கிடவில்லை - திறன் கொண்ட மாதிரிகள் மிகப் பெரியவை, சிறிய மாதிரிகள் போதுமான திறன் கொண்டவை அல்ல. Epoch திறன்கள் குறியீட்டிற்கு எதிராக 30B அளவுருக்கள் அல்லது குறைவான ஓப்பன் வெயிட் மாடல்களைத் திட்டமிடுவதன் மூலம், ஆராய்ச்சியாளர்கள் வருடத்திற்கு 13.7 ECI புள்ளிகளின் ஆதாயத்தை அளவிடுகின்றனர் மற்றும் இந்த போக்கு தொடர்ந்தால், 2026 ஆம் ஆண்டின் இறுதியில் ஒரு சிறிய மாதிரி GLM-5.2 இன் திறன் அளவை எட்டும் என்று மதிப்பிடுகின்றனர் - சிறிய எடை அடிப்படையிலான பிரதிகள் விரைவில் சாத்தியமாகும். இது ஒரு ப்ராக்ஸி மெட்ரிக்கில் கட்டப்பட்ட தோராயமான மதிப்பீடு என்று அவர்கள் வலியுறுத்துகின்றனர்.

இந்த இடுகை அருகிலுள்ள அச்சுறுத்தல் மாதிரிகளையும் வரைபடமாக்குகிறது - ஒரு ஆய்வகத்தின் சொந்த உள்கட்டமைப்பில் இயங்கும் எல்லைப் பிரதிகள், கண்காணிக்கப்படாமல் தொடங்கும் திறந்த-எடை பிரதிகள் மற்றும் தங்கள் சொந்த அனுமானத்திற்கான நற்சான்றிதழ்களைத் திருடும் API- அடிப்படையிலான பிரதிகள் - மேலும் ஒரு யதார்த்தமான மோசமான நிலை வெவ்வேறு வன்பொருளில் வெவ்வேறு மாடல்களின் திரள் என்று எச்சரிக்கிறது. AI புழுக்கள் AI-க்கு முந்தைய மால்வேர் மற்றும் பாதுகாப்புக்கான சுருக்கமான பரிந்துரைகளிலிருந்து எவ்வாறு வேறுபடும் என்பதை ஆந்த்ரோபிக் மூடுகிறது, இது முதிர்ச்சியடைவதற்கு முன்பு ஆய்வு செய்ய எளிதான ஒரு அச்சுறுத்தலின் ஆரம்பப் பார்வையாக வேலையை உருவாக்குகிறது.

---

AIக்கு முன்னால் இருங்கள்

சமீபத்திய AI செய்திகள், பகுப்பாய்வு மற்றும் முன்னேற்றங்கள் - அனைத்தையும் ஒரே இடத்தில் பெறுங்கள்.

மேலும் AI செய்திகளைப் படிக்கவும் →