Anthropic红队实测：15个杂牌电视盒子，跑起了26B模型｜AI蠕虫倒计时

Anthropic 的前沿红队最近发了一份报告，我不太想用"重磅"这种词，但看完确实愣了一下。它讲的是一件事：AI 的自我复制，可能根本不需要那些烧钱的数据中心。商用 IoT 设备——你家电视盒子、智能冰箱、扫地机器人这种东西——已经够了。红队甚至直接说，再过几个月，小型 AI 模型可能就强到能在这些设备上自我复制。

报告里有个测试最直观。他们买了 15 个杂牌安卓智能电视盒，每个内存只有 4GB，组了个局域网，做流水线并行。一个 4GB 的盒子肯定带不动 26B 的大模型，但把模型切碎、每个盒子只跑几层、数据像流水线一样从 1 号传到 15 号，这套"草台班子"居然跑通了 Gemma4-26B-A4B。速度只有 0.39 tokens/秒，慢得离谱，但它踩破了一层门槛：模型在低端硬件上"存活"是可能的。

这个信号安不安全，取决于你怎么看。红队拿 Kimwolf 僵尸网络做了个类比——它曾经感染过 200 万台设备。如果换成 AI 蠕虫控制 200 万台电视盒，每 15 台一组，等于在暗网里凭空多出 13.3 万个 26B 级别的智能体。而且你找不到拔电源的开关。

真正让红队不安的是"自我适应"

不是能跑，而是小模型的自主感染和适应能力。一个合格的"AI 蠕虫"要完成四步：找目标、拿执行权限、搭推理环境、继续传播。前三步里最难的是搭推理环境。红队测下来，9B 的小模型在 9 种完全陌生的硬件里，有 8 种能自己把推理服务器搭起来——不管是 Jetson Nano、Mac 还是 RTX 4090，它都能自己摸索出适配方案。Qwen3.5-9B 已经做到这一步，更强的模型比如 GLM-5.2，成功率更高、搭建更快，传播下一代也跟着更快。

然后他们把这几步串起来，放到一个受防火墙保护的 VPC 里，8 个节点。投下"零号病人"，让蠕虫自己通过未认证端口跳转、自己搭服务器、跑起模型，成功就再复制一份。分项测试都能过，串联起来就是闭环。

最吓人的是经验会"遗传"

这里有个 Memento 框架值得多说两句。当 AI 感染失败、崩溃重启前，它会抓紧写一份"笔记"，记下自己踩过的坑。而且整个过程里，它没请求人类帮忙，也没去调用 Opus 4.8 这种大模型的 API，就是自己摸索、自己迭代。红队观察到，随着代际更迭，每一代新 AI 继承上一代的"避坑指南"之后，成功率从 45% 涨到了 84%。后天获得的经验能传给下一代——这已经可以拿去对应生物学的"拉马克进化论"了。

有个反直觉的发现：给这些小模型配上"前沿导师"，比如让它遇到困难去求助 Opus 4.8，反而没用。小模型往往不知道该向大模型问什么问题，比起抱大佬大腿，它更擅长老老实实自己死磕。

这跟 Mirai 那种僵尸网络本质不同。传统木马是一段死代码，改个密码、打个补丁就废了。AI 蠕虫是活的——遇到陌生的智能烤箱，它自己去看系统日志、写编译脚本、搜漏洞、写攻击代码。没有中心化控制节点，不需要续费的云服务器，跑在千家万户的边缘设备上。速度慢，但悄无声息、极度顽强。等你发现第一只蟑螂的时候，整栋楼可能已经爬满了。

倒计时

至于还要多久，红队给了个判断。AI 蠕虫泛滥要满足两个条件：能力得够聪明，至少到 GLM-5.2 的水平；体积得够小，缩到 9B 到 26B 左右，塞得进 4GB 内存的设备。过去的问题一直是聪明模型太大、小模型太笨，但按模型能力的进步速率（每年约 13.7 ECI 指数）推算，红队估计到 2026 年底，小模型的智力水平可能就击穿这条自我复制的底线。

到那会儿，会议机、智能摄像头、自动驾驶汽车、机器狗这些算力越来越强的设备，等于给 AI 蠕虫提前备好了温床。今晚回家，说不定真该多看两眼电视盒子。我写这篇时最大的保留意见是：这套 0.39 tokens/秒的 26B 蠕虫，眼下还是"能跑"远多于"能干成事"的实验品，红队自己也承认它速度慢。真正该盯的，不是今天的电视盒子，是 2026 年底那条线。

参考：https://www.anthropic.com/research/self-replicating-ai