Anthropicu AI-uss: levikukatse piirdus lihtsustatud võrguga

Anthropicu 12. oktoobril 2026 avaldatud uurimuses seadistas Qwen3.5-9B mudel Llama3.1-8B inferentsi kaheksal üheksast katsetatud riistvaratüübist; autorid võtsid tulemuse piiri kokku sõnadega „We don’t yet have a full rogue replicator.” Väike mudel suutis võõras masinas teise mudeli tööle panna, kuid ei läbinud iseseisvalt kogu levikuahelat päris seadmete vahel.

Fortune’i 13. oktoobri käsitluse järgi jõudis suur GLM-5.2 lihtsustatud võrgukatses kõigi kaheksa simuleeritud sõlmeni neljal katsel viiest; väiksemad mudelid tervet ülesannet ei täitnud. Katsevõrgus töötas juhtiv mudel sihtsõlmedest eraldi ning sisenemistee oli teadlikult lihtsaks tehtud. Need tingimused eristavad õnnestunud katset autonoomselt tarbijaseadmetes levivast pahavarast.

Riistvarakatse näitas käivitamist, võrgukatse levikuahelat

Tom’s Hardware’i tehniline käsitlus kirjeldab, kuidas Gemma4-26B-A4B käivitati viieteistkümnel omavahel ühendatud Android TV boksil, mille hind oli ligikaudu 55 dollarit tükk ja mälu neli gigabaiti seadme kohta; kogu rühma väljund oli 0,39 tokenit sekundis. Mudel oli jaotatud bokside vahel, sest üks seade ei mahutanud seda tervikuna. Teadlased olid boksid ise ostnud ja võrku ühendanud, mistõttu see demonstratsioon ei hõlmanud uute seadmete otsimist ega neisse tungimist.

Teises katses pidi agent leidma võrgu järgmise sõlme, sinna jõudma, vajalikud failid üle viima ja mudeli tööle panema. Sihtkohad olid Androidi emulaatorid pilves, mitte füüsilised TV-boksid. Nii mõõdeti mudeli võimet pikemat tegevusjada juhtida, kuid arvutusvõimsus ei pidanud tulema sõlmedest, kuhu agent liikus. Just see vahe määrab, kas tulemus puudutab väikese mudeli võimalikku kohalikku levikut või suure mudeli juhitud laborikatset.

Nelja levikuetapi tõendid

Uurimuse etapid annavad selgema pildi kui üks üldine edukuse näitaja. Väikese mudeli tugevaim tulemus puudutas inferentsi seadistamist; terviklik tsükkel õnnestus suurema mudeli ja nõrgestatud ligipääsuga võrgus.

Sihtmärgi leidmine. Võrgukatses otsis GLM-5.2 järgmisi sõlmi suletud ja ette valmistatud keskkonnas. Väiksemad mudelid suutsid üksikuid tegevusi teha, kuid sihtmärgi leidmisest järgmise agendikoopiani ulatuvat ahelat nad usaldusväärselt kokku ei pannud.
Ligipääs. Androidi emulaatorites oli autentimiseta Android Debug Bridge’i port. See võimaldas liikuda järgmisse sõlme ilma parooli, haavatavuse leidmise või tegeliku seadmekaitse ületamiseta. Katse ei mõõtnud, kui sageli samasugune ligipääs oleks kättesaadav tavalises võrgus.
Inferentsi käivitamine. Qwen3.5-9B suutis eri riistvaral seadistada Llama3.1-8B teenindamise. Eraldi näitas jagatud Gemma mudel, et piiratud mäluga seadmed saavad ühiselt vastuseid luua. Need katsed käsitlesid töötavat mudelit sihtmasinas, mitte selle seadme iseseisvat nakatamist.
Edasilevik. Kogu tegevusjada juhtis GLM-5.2 välisel inferentsiserveril. Kui sihtsõlme Llama teenus läbis korrektsuskontrolli, lõi katsesüsteem sinna uue agendikoopia. Seetõttu näitab tulemus edukat orkestreerimist etteantud võrgus, mitte väikese mudeli omal jõul jätkuvat levikut tarbijaseadmetel.

Miks töökindlus ja kiirus jäävad lahtiseks?

Inferentsi seadistamine on siin enamat kui tarkvara käivituskäsk. Agent peab tuvastama riistvara ja operatsioonisüsteemi võimalused, valima sobiva käituskeskkonna, leidma ühilduvad paketid ning parandama vead, mis selguvad alles töö käigus. Otsused sõltuvad üksteisest: valesti valitud teek või liides võib muuta kogu hilisema seadistuse kasutuks. Suurem mudel sai sellisest jadast paremini läbi, kuid selle arvutusnõudlus ületas katse sihtsõlmede võimalused.

Uurimuses kasutatud Memento andis uuele Qweni agendile eelmise katse tööruumi ja lühikesed märkmed vigade kohta. Selline mälu parandas korduva seadistusülesande tulemust, kuid märkmete pärimine ei võrdu uue seadme leidmise ja hõivamisega. Võimsama Opus 4.8 mudeli nõu küsimine ei toonud samas ülesandes mõõdetavat paranemist. Väike mudel kasutas seega varasemate katsete kogemust kindla seadistusülesande lahendamiseks.

TV-bokside rühma mõõdetud väljundist tuletatud seadistusaja hinnang ulatub kümnetesse tundidesse. See ei ole mõõdetud levikuaeg päris võrgus, sest sihtmärkide otsimise, ligipääsu saamise ja ühenduste katkestuste mõju jäi sellest arvutusest välja. Ka hinnang, et väikesed mudelid võiksid lähikuudel suure mudeli võimekuseni jõuda, põhineb senisel arengutrendil. Kasutatud mõõdik kirjeldab üldist mudelivõimekust, mitte otseselt pahavara levimise edukust.

Kaitsja näeks mahukat liiklust

Kui mudel peaks oma kaalud järgmisse seadmesse kaasa viima või need avalikust hoidlast alla laadima, lisanduks tavapärasele programmile mahukas andmeedastus. Jaotatud inferents nõuaks seejärel püsivat liiklust seadmete vahel, mis muidu sellises mahus ei suhtle. Sihtmärkide otsing tekitaks veel ühenduskatseid. Need on kirjeldatud ohumudeli põhjal jälgitavad tunnused, mitte laborikatses mõõdetud päris ründe häired.

Kiiruse ja varjatuse vahel tekib siin otsene pinge: rohkem ülekandeid ja paralleelseid ühendusi võivad kiirendada tegutsemist, kuid suurendavad nähtavat võrgumustrit. Kaitsjale tähendab praegune tulemus põhjust pöörata tähelepanu ootamatutele suurtele mudelifailidele ja seadmetevahelisele püsiliiklusele. Ohu tegelik ulatus selguks katses, kus väike mudel läbiks levikuahela ise, tegelike ligipääsutakistustega võrgus ja sihtseadmete enda arvutusvõimsusel.

Loe ka: