AI 实验室想要外部审计，但不如先关好后门

Anthropic 研究显示小型开源模型已能在陌生硬件上部署推理服务，并借由“拉马克式继承”的笔记机制逐代提升成功率。按 Epoch 能力指数推算，到 2026 年底最强的小模型将达到 GLM-5.2 的通用能力水平，届时复制所需的能力与体积两个条件可能首次重叠。

作者在博客的浏览器端语义搜索基础上，加入小型语言模型实现完整的 RAG 问答。评测显示，350 MB 以下的模型忠实度极低（最多 3/30），且几乎对每个无答案问题都会编造回答；Qwen3-0.6B（579 MB）达到 15/30，Gemma 4 E2B（3.1 GB）28/30。相关度阈值只能拦截明显跑题的问题，近义问题反而得分更高，无法靠门控解决。