笔记本上的Qwen读了46分钟浮点数，猜出了Pac-Man

一篇论文说，GPT-6 Astra 能直接读模型权重。Simon Willison 拿笔记本上的 Qwen 3.8 27B 试了试，46 分 12 秒后，模型猜出了 Pac-Man，置信度 72%。

权重就是模型里一堆浮点数，平时没人拿它当文本读。论文作者 Rikiya Takehi、Jayden Teoh、Alex Zhang、Omar Khattab 给这件事起了个名字：Weight-Space Programming。论文里的说法很猛：GPT-6 Astra 只看原始权重，就能判断网络训练来做什么；不用环境反馈，能从头写小游戏网络；还能改 Qwen3.5-0.8B 的 0.016% 权重，把 MATH-500 从 7.9% 提到 48.1%，IFEval 提升 3 倍。

争议也来了。spaCy 作者 Matthew Honnibal 说这篇论文有误导性，把两件事混在一起：模型不跑工具、不执行代码时能做什么，以及模型带上代码后怎么更新别的模型。Sean Goedecke 拆了 Qwen3.5-0.8B 那个例子，认为它走的是人类 ML 研究员也会走的步骤。Simon 在博客里把重点放在无工具那条线上，他觉得这更有意思。

实验设计不复杂。四个 10x10 网格小游戏：Breakout、Pong、Pac-Man、Freeway。把训练好的策略网络权重作为浮点数塞给模型，prompt 要求它只靠权重判断是哪个游戏，不许用代码、计算器，单次回答。GitHub 上的 prompt 除权重外完全一致。

Simon 用 LLM 工具跑这些 prompt。Kimi K3.1 Pro 花了 9 分 41 秒、19,493 个 reasoning tokens，猜中 Breakout。轮到 Qwen 3.8 27B，他把它放在 LM Studio 里，17GB 的 Q4_K_M 版本，默认 8192 上下文会报错，得开长上下文，超时也调到 900 秒。

结果：Pac-Man 46 分 12 秒，43,506 个 reasoning tokens，72%；Pong 1 小时 4 分 54 秒，75%；Breakout 52 分 25 秒，88%。Freeway 失败，Qwen 把它认成 Pac-Man 类网格游戏。Simon 不意外，Freeway 比其他三个冷门。他还说，有经验的人拿纸笔慢慢算，大概也能摸到答案。推理 trace 很长，也很难读，满屏 channel、行列和浮点数。

评论区比论文更直接。有网友说，45 分钟让论文没那么魔法。有人问需不需要中途给提示，Simon 的操作看起来就是放着跑。有人算时间账：46 分钟手算索引，只为说 Pac-Man，72%，也值得尊敬。还有网友拿电费对比 Astra 的 API 账单。

也有人觉得这事重要，可能是个意外突破，只是焦点还没对准。有人问笔记本 RAM 多大，有人问 CNN 能不能这么读。有网友说自己上个月拿原始数学数组喂本地模型，发现给足思考时间，几乎什么都能磨出来。还有人提醒，赶紧用，别等这个用例被封。

回复 17 干脆做了件 T 恤，印着 weight-space programming，下面一句 Looks good to me.。

Simon 的判断没那么炸。他觉得论文很酷，但围绕它的更广泛评论不合理。他不准备宣布源码时代结束，也不认为未来就是不可理解的机器用不可理解的方式改自己的权重。45 分钟能说明能力存在，也足够把魔法拉回实验。