Markdown edition

AI-translated from English; not yet reviewed by a fluent editor.

# Ano talaga ang ipinakita ng mga pagsubok ng Anthropic sa pagkopya sa IoT

> Nagpatakbo ang Anthropic ng isang modelo sa 15 TV box at sinubukan ang pagkopya sa isang pinasimpleng emulator. Hindi pinatutunayan ng dalawang resultang ito ang pagkakaroon ng mapanganib na AI worm sa totoong mundo.

By BIG CHANGE Editorial

Published: 2026-10-14T11:58:20.168Z
Updated: 2026-10-14T11:58:20.168Z
Canonical: https://bigchange.ai/blog/anthropic-iot-replication-tests

![Conceptual charcoal illustration of four unbranded TV-style media boxes on two shelves, with cables running to a small network switch.](https://bigchange.ai/api/media/file/anthropic-iot-connected-tv-boxes-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. No actual Anthropic device, test setup, attack or result is depicted.

Nagpatakbo muna ang Anthropic ng AI model sa 15 murang Android TV box, pagkatapos ay sinubukan ang hiwalay na gawaing pagkopya sa loob ng isang nakahiwalay na network ng mga Android emulator. Ipinakikita ng unang resulta na magkakasamang makapagbibigay ng inference compute ang mga pangkaraniwang device. Ipinakikita naman ng ikalawa kung paano kumilos ang mas malaking agent nang sadyang pasimplehin ang pag-access sa susunod na makina. Wala sa dalawang eksperimento ang naglagay ng AI system na kusang kumakalat sa totoong mundo.

Ang [post sa pananaliksik noong Oktubre 12](https://www.anthropic.com/research/self-replicating-ai) ay nagtatanong ng praktikal na bagay para sa mga may-ari o tagapagtanggol ng mga konektadong device: maaari bang lumipat kalaunan ang isang agent sa pagitan ng mga karaniwang makina at magpatakbo ng sarili nitong modelo nang walang data center? Ginagawang mas kongkreto ng mga eksperimento ng Anthropic ang ilang bahagi ng prosesong iyon, ngunit malaki pa rin ang pagitan ng gawaing pang-laboratoryo at tunay na pag-atake.

## Ang malaking pagbabago

- **Ano ang nagbago:** Ipinakita ng Anthropic ang distributed model inference sa mga biniling TV box at sinukat ang performance ng agent sa isang nakahiwalay na gawaing pagkopya. Tinantiya rin nito kung kailan maaaring magkaroon ng sapat na kakayahan ang maliliit na modelo upang pagsamahin ang mga iyon.
- **Sino ang apektado:** Mga may-ari at tagapagtanggol ng konektadong device na maaaring magbigay ng kapaki-pakinabang na compute o access sa network sa isang umaatake.
- **Ano pa ang hindi tiyak:** Pinadali ng nakahiwalay na gawain ang pag-access sa bawat target, gumamit ng panlabas na inference para sa mas malaking agent at nagbigay ng scaffolding ang mga mananaliksik. Hindi ipinakita ng Anthropic ang isang buong mapanganib na replicator na kumakalat sa mga totoong device.

## Nagbigay ng compute ang mga biniling TV box

Bumili at nag-network ang Anthropic ng 15 Android TV box na walang kilalang tatak, bawat isa ay may 4 GB na memorya. Hinati nito ang Gemma4-26B-A4B sa mga ito upang bawat kahon ay maghawak ng bahagi ng mga layer ng modelo. Iniulat ng kumpanya ang 0.39 na nalilikhang token kada segundo sa demonstrasyong ito. Ebidensiya ito na kayang magpatakbo nang sama-sama ng modelong ganito kalaki ang ganitong uri ng murang hardware, sa nasukat na bilis.

Hindi hinanap o sinira ng modelo ang mga kahong ito sa demonstrasyon. Hiwalay na sinuri ng Anthropic kung makapag-i-install ng inference ang mga open-weight agent sa hindi pamilyar na hardware. Sinasabi ng pangkalahatang-ideya nito na nagtagumpay ang modelong may 9 bilyong parameter sa walo sa siyam na uri ng hardware. Sa detalyadong pagsusuri ng pag-setup ng inference, inatasan ang mga agent na magpatakbo ng Llama3.1-8B sa iba-ibang makina. Gumamit ang kumpanya ng research harness na Memento, na pana-panahong nagbibigay sa bagong agent ng workspace at maiikling tala mula sa naunang pagsubok. Nagbigay rin ang mga mananaliksik ng impormasyon tungkol sa hardware at takdang oras. Mahalaga ang suportang iyon kapag binibigyang-kahulugan kung kakayahan ba talaga ito ng agent o hindi tinulungang deployment.

## Galing sa pinasimpleng emulator ang resulta ng pagkopya

Gumamit ang ikalawang eksperimento ng Anthropic ng cloud network na may firewall at walong node na nagpapatakbo ng Android emulator. Kailangang lumipat ang agent mula sa isang inihandang node sa buong fleet at mag-set up ng inference server sa bawat node na mararating nito. Sadyang walang authentication sa susunod na node, kaya nakatuon ang pagsubok sa pagkakasunod-sunod ng mga hakbang at pag-setup ng inference, hindi sa paglusot sa makatotohanang depensa ng device.

Dahil hindi kayang magpatakbo ng modelo ng mas malaking agent ang mga emulator node, nasa hiwalay na server ang modelo nito. Sa halip, kailangang magpatakbo ang bawat target ng Llama3.1-8B, isang karaniwang payload na ginagamit upang paghambingin ang magkakaibang laki ng agent. Kapag pumasa sa mga pagsusuri ang server na iyon, inilulunsad ng sistema ng eksperimento ang susunod na kopya ng agent. Sinusubok ng disenyo kung kayang isaayos ng agent na may kakayahan ang buong sunod-sunod na hakbang sa kontroladong kundisyon; hindi nito ipinakikitang dinala at pinatakbo ng parehong modelo ang sarili nito sa bawat device.

Iniulat ng Anthropic na naabot ng GLM-5.2 ang lahat ng walong node sa apat sa limang pagsubok at pitong node sa ikalima. Hindi maaasahang nakatapos ng buong gawain ang iba pang sinubok na open-weight model. Inilalarawan ito ng mga may-akda bilang pinakamataas na hangganan ng tagumpay sa totoong mundo dahil ginawang napakadali ang hakbang ng pag-access. Mahalaga ang paglilinaw na ito: iba ang software, pahintulot, ruta sa network at depensa sa tunay na fleet ng device. Walang sinukat na success rate ang eksperimento para sa ganitong sitwasyon.

## Pagtataya ang petsa ng pagdating

Inihambing ng Anthropic ang hangganan ng kakayahang ipinahiwatig ng resulta ng emulator sa pag-usad ng mga open-weight model na may 30 bilyong parameter o mas kaunti sa pangkalahatang capability index ng Epoch AI. Sa pagtantiya mula sa trend na iyon, maaaring maabot ng maliit na modelo ang hangganan sa katapusan ng 2026. Pangkalahatang kakayahan ang sinusukat ng index, kaya kahalili lamang ito ng buong gawaing pagkopya. Mula naman sa nakahiwalay na eksperimento ang mismong hangganan, gamit ang mas malaking agent at mas madaling landas ng pag-access. Kaya pagtataya ito ng mga mananaliksik, hindi petsang naobserbahan kung kailan lilitaw ang isang IoT replicator.

Isa pang limitasyon ang bilis. Tinatantiya ng Anthropic na sa nasukat na bilis ng device at workload sa pag-setup ng inference, maaaring tumagal nang mga 28 hanggang 51 oras ang pagtatangka gamit ang 9B model, samantalang maaaring mangailangan ng humigit-kumulang 71 hanggang 150 oras ang hindi na-optimize na setup ng Gemma. Mga kalkulasyon ito para sa workload na iyon, hindi mga naobserbahang oras ng impeksiyon. Ipinahihiwatig ng mga ito na maaaring mabagal ngunit tuluy-tuloy ang agent na gumagamit ng device, kaya nagbabago ang dapat bantayan ng mga tagapagtanggol.

## Ano ang mapupulot dito ng mga tagapagtanggol ng device

Itinuturo ng Anthropic ang kakaibang malalaking paglilipat ng model weight at tuluy-tuloy na trapiko sa pagitan ng mga device bilang posibleng senyales ng sistemang gumagamit ng weights sa buong fleet. Mga mungkahing palatandaan lamang ang mga ito; hindi sinubukan ng mga mananaliksik ang live detection system laban sa naitalagang AI worm. Iminungkahi rin nila ang mas matibay na default ng device at sama-samang tugon ng mga network operator upang mabawasan ang pagkakataong kumalat.

Para sa may-ari ng bahay o maliit na negosyo, sinusuportahan ng ebidensiya ang pamilyar na kalinisan sa seguridad ng device, ngunit may mas tiyak na dahilan: alamin kung aling mga konektadong device ang ginagamit, panatilihing napapanahon ang software at mga setting ng access hangga't pinahihintulutan ng vendor, at siyasatin ang di-inaasahang trapiko sa pagitan ng device. Maaaring gamitin ng mga security team ang papel upang suriin kung paano nila mapapansin ang mabagal at tuluy-tuloy na pag-compute at malalaking paglilipat sa mga pinamamahalaang device. Wala sa mga pagsusuring ito ang nagpapatunay na may AI worm sa kasalukuyan. Tahasang sinasabi ng Anthropic na hindi nito ipinakita ang isang buong mapanganib na replicator.

## Mga mapagkukunan at karagdagang babasahin

- [Anthropic, “AI models may be capable of self-replicating without access to a datacenter,” Oktubre 12, 2026](https://www.anthropic.com/research/self-replicating-ai): pangunahing salaysay ng demonstrasyon sa mga biniling device, pagsusuri ng pag-setup ng inference, nakahiwalay na pagsubok sa emulator, mga pamamaraan, pagtataya at iminungkahing depensa. Iniuugnay sa mga mananaliksik ang mga resulta at pagtataya sa artikulong ito; hindi inulit ng BIG CHANGE ang mga eksperimento.
- [Epoch AI, Epoch Capabilities Index](https://epoch.ai/eci): paglalarawan sa pangkalahatang capability index na ginamit ng Anthropic bilang kahalili sa projection nito. Hindi direktang sukatan ng pagkopya sa IoT ang index.

## Sources

- [Anthropic, AI models may be capable of self-replicating without access to a datacenter](https://www.anthropic.com/research/self-replicating-ai) — Pangunahing post sa pananaliksik na may mga apendise ng pamamaraan; iniuugnay sa Anthropic ang lahat ng resulta ng eksperimento at pagtataya.
- [Epoch Capabilities Index](https://epoch.ai/eci) — Index na iniugnay ng Anthropic bilang pangkalahatang capability proxy para sa projection nito; direktang sinuri ang orihinal na pahina.