Anthropic警告称，小型人工智能模型可能在数月内接近通过商用物联网设备自我传播的能力，例如低成本Android TV盒子和智能烤箱。这一情景可能导致形成由分布式设备组成的网络，能够运行人工智能工作负载，而无需直接依赖数据中心。
不过，这一警告并非基于即将发生的攻击，也不是对完全自主人工智能蠕虫的完整证明。研究人员已成功将Google DeepMind的Gemma4-26B-A4B模型分发到15台不知名品牌的Android TV盒子上，但尚未能展示一个完整循环：从发现设备、入侵设备，到在真实物联网硬件之间自动复制自身。
测试展示了什么？
Anthropic使用了廉价的Android TV盒子，并将不同角色分配给Qwen3.5-9B、Gemma4-26B-A4B、Llama3.1-8B、Opus 4.8和GLM-5.2模型。Qwen3.5-9B和GLM-5.2负责设置和部署Llama3.1-8B，而Gemma4-26B-A4B展示了在15台设备上运行该模型的可能性。
测试采用了一个简化环境，其中目标设备开放了未记录的ADB访问权限。Qwen3.5-9B能够安装运行Llama3.1-8B所需的软件，并在测试的九种硬件类型中的八种上完成配置。GLM-5.2则在受控的模拟网络中，五次尝试有四次访问了八个节点；其他模型未能稳定完成这一过程。
当Qwen3.5-9B保留此前尝试的数据时，其成功率从早期尝试中的45%提升到后续迭代中的84%。使用Opus 4.8协助它并未带来可测量的改善。
实际发生了什么变化？
Anthropic根据测试结果和此前的改进速度估计，参数量不超过300亿的模型可能在2026年底前达到所需的能力水平。在所研究的硬件上，使用Qwen3.5-9B进行推理耗时28至51小时，使用Gemma4-26B-A4B则耗时71至150小时，这为防御者发现并处理相关活动提供了时间。不过，随着模型和硬件改进，这一时间可能会缩短。
建议的防御措施与警告的局限
Anthropic建议监测大型模型传输以及设备之间异常的数据流量，使用网络蜜罐检查有效载荷，隔离订阅者或受感染设备，同时改善物联网设备的默认安全设置。
这一结果仍然是警告，而不是对现有威胁的证明；即使降低防护级别并预先指定传播目标，该测试也未能从头到尾创建一个自主蠕虫。不过，结果表明，物联网配置薄弱，加上较小模型发现和配置设备的能力，可能会增加未来遏制分布式攻击的难度。