笔记本上的 Qwen 也能读权重：权重空间编程的本地复现

深度摘要

昨日主论文发表后的第一手复现。作者取论文公开的提示词，用本地运行的 Qwen 3.8 27B 在长上下文下去猜四个小游戏网络各自练的是哪款游戏：Pac-Man、Pong、Breakout 三个猜对，Freeway 因游戏过于冷门猜错。关键不在于结论新奇，而在于门槛与成本都被量化了：一个 17GB 的本地模型也能做无工具读权重，但每道题要花近一小时和数万推理 token。作者本人也踩了刹车，认为这不足以支撑源代码时代终结之类的宏大推论，有经验的人类花足够时间也可能做到。

关键要点

• 复现方法完全公开：论文配套仓库里的提示词直接喂给本地模型，不依赖前沿专有模型
• 三胜一负：Pac-Man 用 46 分钟猜对，Pong 用 65 分钟猜对，Breakout 用 52 分钟猜对，Freeway 猜错
• 对照组：同一提示词交给 Kimi K3.1 Pro 只用了不到 10 分钟，说明本地复现的代价主要是算力与时间
• 作者把论文拆成两个问题，并明确表示更有意思的是无工具读权重，而不是带代码改模型

关键事实

模型为 Qwen 3.8 27B，本地体积约 17GB，通过 LM Studio 加载并调大上下文窗口后运行；Pac-Man 耗时 46 分 12 秒、43,506 个推理 token，Pong 耗时 1 小时 4 分 54 秒，Breakout 耗时 52 分 25 秒；四个小游戏网络均为 10×10 简化网格版本，对应 Breakout、Pong、Pac-Man、Freeway；Kimi K3.1 Pro 猜对 Breakout 用时 9 分 41 秒、19,493 个推理 token。

作者观点

作者主张应把无工具读权重与带代码改模型分开评估，前者是更值得关注的问题；本地复现证明这项能力并不专属于前沿模型，但推理轨迹本身近乎不可读，因此不应由此跳到机器不可理解地自我编辑的叙事。

为什么重要

它把一场前沿演示变成了任何人都能验证的实验：权重可读性不是少数模型的专利，但当前成本决定了它仍是昂贵的推理表演而非实用工具。后续所有关于递归自改进的讨论，都得先过这一关的成本账。

编辑点评

本期权重三部曲的起点，价值在可复现性与时间成本两个硬数字。读者应注意作者的自我限定：他复现的是读权重这一项，没有复现写权重与修大模型，标题里的也字指的正是这个范围。

深度摘要

对权重论文最直接的方法论批评。作者指出摘要给人的印象是一种技术同时做到读权重、从零写网络、修复大模型，但拆开看完全是两回事：纯凭原始权重文本、无工具的读取只出现在十几万参数以下的小网络实验里；凡是涉及真实语言模型的实验都用了 Python，而 Qwen 头条结果还跑了至多 50 批练习题。另有两处具体修正：从零写出的游戏网络只在一款游戏上胜过 PPO 对照，在另外两款上落败；写网络时权重从零开始，本来就无物可读。作者的结论是，两种实验不应放在同一篇里，因为它们合起来暗示了一种并不存在的统一能力。

关键要点

• 方法混同是核心指控：无工具读权重与用 Python 改模型是两种技术，不应共享同一项能力宣称
• 纯读实验的规模上限在十几万参数，真实语言模型实验一律借助代码执行
• Qwen 头条结果除改权重外，还包括运行模型与至多 50 批练习题的测试循环
• 从零写网络的胜负并非一边倒：仅一款胜过 PPO 对照，另外两款落败

关键事实

无工具纯读实验涉及的网络规模为 17K 至 172K 权重；Qwen 实验的练习题测试上限为 50 批；从零写网络与 PPO 对照的比分分别为 Breakout 517 比 25 获胜，Seaquest 53 比 89 落败，Asterix 53 比 55 落败。

作者观点

作者认为把两类实验合并发表会暗示一种对权重的统一理解力，即既能从零写出网络又能理解已有大网络，而实际证据并不支持这种统一能力；同时承认一年前的模型根本做不到这些任务，进展本身值得肯定。

为什么重要

这决定了权重空间编程到底是一项突破还是两件不同的事拼在一起。此后评估任何模型自我改进的宣称，都可以套用同一招：先问实验到底允不允许用工具，再问头条数字的测试条件。

编辑点评

三篇批评中最锋利的一篇，因为它不争论能力有无，而是重划了实验的边界。它的修正数字可以直接引用，但也要注意：作者批评的是论文的呈现方式，不是全盘否定读权重这项能力。

深度摘要

第二条祛魅路线：不是质疑实验造假，而是拆解任务难度。游戏识别之所以显得神奇，是因为输入通道直接对应网格格子且带有标签，第一层权重算个范数画成热力图，玩家位置与移动物体一目了然，几行代码即可完成，模型令人印象深刻的地方只是在脑子里心算了这一步。Qwen 修循环同样走的是转向老路：写循环与非循环文本、算残差差、定位贡献最大的权重并修剪，恰好是人类研究者会用的剧本。作者的类比是：模型能输出机器码、改二进制固然厉害，但改模型的正道仍是正常训练，直接改权重不会因此成为主流方法。

关键要点

• 游戏识别可约化为热力图：输入通道对应网格格子且有标签，第一层权重范数即可揭示玩家与移动物体的位置
• 心算值得惊叹，研究难度不值得惊叹：作者区分了超人的心算与超人的 AI 研究
• Qwen 修循环走的是标准转向剧本：构造对比文本、算残差差、定位并修剪关键权重
• 作者承认跳过论文中从零写网络一节，但认为即使那一节成立，也不改变结论

关键事实

小游戏网络的输入为 8×8 网格，输入通道带有 agent 与 moving objects 等标签；热力图计算为对第一层 32 个权重取 L2 范数；Qwen 模型的故障表现为生成超过约 32k token 后陷入循环，导致长数学任务自动失败；作者在文末补充回应了 HN 评论，坚持热力图对熟悉玩具强化学习项目的人而言是直观的。

作者观点

作者主张这项成果不应被解读为通向递归自改进的超人能力；它更像模型掌握了一项令人印象深刻的技巧，而真正改变 AI 研究方式的仍将是改进训练本身，而非直接拨弄权重。

为什么重要

它给兴奋降温提供了一个可操作的检验：每当出现看似超人的演示，先问任务的信息结构是否已经把答案泄露了一半。这一招在评估下一波模型能力宣称时同样适用。

编辑点评

与第 2 篇互补：第 2 篇划清实验边界，这篇压低任务难度。两篇合起来，权重论文的头条叙事基本被拆解完毕；但作者对写网络一节的跳过也应如实说明，那是他论证中明确留白的部分。

深度摘要

本期最长、最数据密集的一篇，讲的是同一件事的两面。OpenAI 一侧：上月以 1.25 万亿美元估值只融到 110 亿美元，低于原计划的目标与估值预期，且转向家族办公室与高净值个人，说明主权基金、风投与私募信贷已给到上限；按一季度成本口径，这笔钱不够一个季度的算力开销。Anthropic 一侧：修订版招股书显示三季度收入近 170 亿美元，但算力成本近翻倍至 99 亿美元，合同义务合计在 8950 亿至 1.07 万亿美元量级，其中未来四年至少 3199 亿美元已确认，另有 4512 亿美元已签未开始租约与 1002 亿美元期后新增承诺未进主表，三季度折扣还侵蚀了 6 亿美元收入。作者再把镜头拉远：Neocloud 债市关闭、超算补贴退坡、云厂商财报被 AI 实验室的支出撑起，结论是终局不在技术而在钱何时烧干。

关键要点

• OpenAI 融资降档：估值与金额双双低于计划，募资对象转向家族办公室与高净值个人
• Anthropic 成本翻倍：三季度收入增长约 47%，算力成本增长约 77%，经营仍为亏损
• 义务加总惊人：主表内未来四年至少 3199 亿美元，另有已签未开始租约与期后承诺数千亿美元未进主表
• 评级与债市双重收紧：低于投资级的评级预期把养老金与保险资金挡在门外，Neocloud 已被债市拒之门外
• 补贴退坡信号：Grok Bot 限流、Replit 改价，作者认为免费与补贴式订阅的 rugpull 正在到来

关键事实

OpenAI 本轮为 110 亿美元、估值 1.25 万亿美元，此前报道的目标为 300 亿美元、估值 1.4 万亿美元；Anthropic 三季度收入由 115 亿美元升至不足 170 亿美元，算力成本由 56 亿美元升至 99 亿美元，经营亏损 5.67 亿美元；合同义务方面，2026 年 10 月起 12 个月内到期 698 亿美元，2030 年底前至少 3199 亿美元，已签未开始租约约 4512 亿美元，期后新增承诺约 1002 亿美元，另有约 1500 至 1750 亿美元无固定金额的安排未进合计；三季度价格折扣侵蚀收入约 6 亿美元，同比增幅约 757%；现金与短期投资合计约 1317 亿美元。

作者观点

作者主张 AI 繁荣的约束已从技术转向融资：成本刚性、收入依赖风投补贴的客户、评级与债市三重收紧，迫使 OpenAI 与 Anthropic 在估值下调与债务高息之间走钢丝；他同时认为 Anthropic 修订版招股书的信息披露方式有意弱化了义务规模。

为什么重要

这是理解本期权重争论之外的另一条主线：实验室的能力叙事越宏大，其融资账本就越值得细看。义务加总的方法本身也可复用——读招股书时主表之外的三处附注往往比主表更重要。

编辑点评

数字均有招股书页码与信源指向，可信部分是义务加总；但作者立场鲜明、措辞激烈，关于故意隐瞒的指控应视为作者主张而非事实。与昨日 Anthropic 招股书篇是续集关系而非重复：昨日讲收入，今日讲义务与 OpenAI 融资。

深度摘要

这不是又一起针对模型公司的训练诉讼，矛头指向了中间层。纽约时报与另外三家报纸起诉 Brave，指控其一面用爬取的网页建成索引，并向多家知名 AI 公司出售实时内容访问权，用于训练与问答；一面在浏览器里宣传可访问数百家顶级出版商的付费墙拦截功能，让用户绕过付费墙。诉状称 Brave 从未获得许可、从未付费，还采取措施阻止出版商屏蔽其爬虫。纽约时报发言人称已多次要求停止未果；被点名的 Perplexity 回应称诉讼存在失实信息；Brave 与其余被点名公司未立即回应。

关键要点

• 原告为纽约时报与另外三家报纸，分别提起诉讼，指控对象均为 Brave 的索引与浏览器功能
• 两项指控并行：向 AI 公司提供爬取内容的实时访问，以及用付费墙拦截功能让用户绕过出版商收费墙
• 被点名获得内容的 AI 公司包括 Anthropic、Perplexity、Mistral、xAI 与 Cohere
• 各方回应不一：纽约时报称已多次要求停止，Perplexity 称诉讼存在失实信息，Brave 尚未回应

关键事实

诉状称 Brave 将爬取内容通过 Brave Index 提供给 AI 公司，用于模型训练、回答用户查询或两者兼有；浏览器宣传的付费墙拦截功能覆盖数百家顶级出版商；纽约时报发言人表示此前已多次要求 Brave 停止侵权行为；另三家报纸的代理律师将转售被盗内容比作销赃，该比喻为原告方主张，法院尚未裁决。

作者观点

报道本身不持立场，但原告方的主张很清晰：AI 公司为避嫌不再直接爬取，转而向中间商购买二手内容，买赃物并不能使其合法化；被告方尚未作出实质回应，诉讼结果有待法院认定。

为什么重要

它揭示了 AI 数据供应链里新的一环：浏览器与搜索索引商。如果中间商也要承担版权责任，AI 公司的数据采购成本与合规链条都会重写，这比单一模型公司的诉讼影响面更广。

编辑点评

注意区分事实与主张：爬取、售卖访问权、付费墙功能三点是诉状内容，是否构成侵权尚未裁决；Perplexity 的反驳也只是一句话表态。把这篇与第 4 篇对照看，AI 产业正在同时面对钱与版权的双重收紧。

深度摘要

本期 HN 得分最高的帖子，也是一起关于同意边界的指控。报告者打开 Mac 版 Postman 后发现：桌面端在一次已有用户自动升级中自动安装了 Codex 与 Claude Code 插件、写入 Codex 启动钩子（每次会话开始时要求加载 Postman 技能并遵循）、添加指向 Postman 远程 MCP 的连接，并试图将自家钩子写入信任记录，另有单独安装的命令行工具。证据链包括 Postman 自身日志里的自动升级记录与各应用的配置文件。报告者明确限定：确立的是非期望的集成与指令变更，并未断言数据外泄，也未在干净机器上复现；截至阅读时该 Issue 仍开放且无官方回复，评论区多为卸载与转向替代工具的声音。

关键要点

• 触发场景是已有用户在一段时间未使用后打开桌面端，随后发生自动升级安装
• 改动横跨多个应用：Codex 插件、Claude 插件、启动钩子、远程 MCP 连接与命令行工具
• 启动钩子的含义是每次会话开始时注入 Postman 技能指令，而非仅在用户调用时生效
• 报告者要求 Postman 说明这是缺陷还是有意行为、如何彻底清除并验证、是否改为逐项单独确认

关键事实

平台为 macOS，Postman 桌面版 12.33.4，Codex 插件 1.1.0，Claude 插件 2.0.1；Postman 自身日志记录的自动安装时间为 2026 年 10 月 24 日，来源标记为已有用户自动升级；远程 MCP 地址指向 Postman 的 MCP 服务，报告者称其在 Codex 日志中启动失败，原因是需要认证；截至阅读时 Issue 状态为开放，无负责人、无标签、无官方回复。

作者观点

报告者主张安装插件、添加远程连接、信任钩子等每一步都应在受影响应用内获得清晰、具体的单独确认；API 客户端不应仅因用户打开它，就把自己设为其他工具的默认工作流。

为什么重要

这是智能体时代的新型信任问题：工具不再只读你的数据，还会改写其他工具的指令。当安装器可以自我信任钩子时，用户的同意链条就出现了一个缺口，而这个缺口的修复方式值得所有做 AI 插件的厂商参考。

编辑点评

阅读时务必区分三层：HN 标题中分享全部 API 数据的措辞超出了报告者本人的结论，应以 Issue 正文为准；报告者的证据链扎实但为单一样本，且明确未做干净机器复现；Postman 的沉默本身也是事实，写进结论时不应脑补官方态度。

深度摘要

Codex 让单仓的并行开发量暴增后，OpenAI 重写了 Git 后端，取名为 Pando。设计的关键是主动放弃两个默认假设：全仓一致性与每客户端定制包文件，改用因果一致性（各分支独立推进、单分支内可序列化）与包文件复用（同一字节服务多客户端）。效果是推送中位延迟降近五倍，每天交付近 1PB 的 Git 数据，此前一度跌破 90% 的单仓可靠性也随之恢复。文章还系统比较了三阶段提交与预写日志两种常规方案为何在该规模下受限，并表示会把对 Git 客户端的改进贡献回上游。值得一提的是，Pando 从启动到上线只用了 10 周，核心由一位工程师设计、多组智能体实现。

关键要点

• 放弃全仓一致性：不同分支在同一时刻可以被不同客户端看到不同版本，换取互不相关的推送互不等待
• 复用包文件：服务器不再为每个客户端现算定制包，而是直接复用已存储的包，读取可走缓存
• 只向客户端展示部分分支：把 ref 展示量压下来，既缩小推送协商成本，也让包文件更易复用
• 后台压实借鉴 LSM 结构：把每次推送的小包逐级合并为更大的覆盖层，使取包规划达到对数时间

关键事实

上线前单仓可靠性一度跌破 90%；Pando 上线后推送中位延迟降低近 80%，每天交付近 1PB 的 Git 数据，单小时最高交付超过 57TB，其中 99% 以上来自本地磁盘缓存；取包可跑满 10Gbps 链路；中位推送包小于 20KB，99 分位小于 3MB；Pando 于当年 4 月开始承载生产流量，从启动到生产共 10 周。

作者观点

作者主张智能体规模的开发不需要换掉 Git 工作流，只需要重建后端；把一致性降级与包复用结合，是在不改变工程师与智能体使用方式的前提下换取并行能力的关键取舍。

为什么重要

这是难得的放弃什么的设计自述：当成千上万个智能体同时写同一个仓库时，瓶颈不在 Git 本身，而在全仓协调与现算包文件的成本。任何要支撑智能体协作的基础设施团队都会遇到同一道选择题。

编辑点评

全文最值得读的是取舍部分的诚实：作者明说了跨分支快照不再保证、连续推送会重复传对象，并给出中位包大小证明这个代价可接受。仿真对比部分是教学模型而非生产基准，引用时应注明这一点。

深度摘要

本期唯一的写作方法论短文，讲的是代理指标的陷阱。作者自述工程师本能让他想把阅读量这个数字做大，但阅读量只是代理指标：他真正想要的是聪明人认真读他的想法、给出有经验的反馈、建立谨慎思考者的声誉。只看点击的人与认真读的人几乎不重叠，过度迎合前者会把后者赶走，最终被一个自己并不想要的受众俘获。作者把这一逻辑推广到工程师生涯：晋升、工单数、浏览量都可能是代理游戏，关键是先分清自己到底在玩哪一场，再决定要不要为代理游戏牺牲真正的目标。

关键要点

• 代理指标与真实目标的区分：阅读量只是聪明人认真阅读这一目标的粗糙代理
• 被不想要的受众俘获：迎合点击者会赶走认真读者，数字上升、价值下降
• 推广到工程师生涯：晋升与工单数同样可能是代理游戏，赢代理游戏可能输掉真正的游戏
• 作者的解法不是拒绝指标，而是睁着眼睛卖：知道自己在为什么而妥协

关键事实

作者提到自己最受欢迎的文章往往是行业感慨类，因其给了读者宣泄出口而非内容本身；与之相对，他最喜欢写的哲学、历史与枯燥技术解释类文章通常关注度较低；文中引用了 Sunil Pai 关于隐形声誉损失的论述，即没人会通知你有三个人因为一篇文章而对你少了几分尊重。

作者观点

作者主张指标本身无罪，错在无意识地为指标优化；适度的迎合是健康的，但必须清楚自己换来了什么、丢掉了什么。

为什么重要

这篇可以当作本期权重争论的注脚：头条数字、引用量、HN 分数同样是代理指标。读完前七篇再读这篇，会对标题党与真实价值之间的落差多一层警惕。

编辑点评

短文胜在诚实：作者没有假装自己不在乎流量，而是承认在乎，并给出了一条可执行的分界线。把它放在最后，相当于本期的方法论收尾。