Anthropic предупреждает, что небольшие модели ИИ вскоре смогут самореплицироваться на потребительских IoT-устройствах (от ТВ-приставок на базе Android до умных духовок), создавая ботнеты, способные запускать рабочие нагрузки ИИ без использования ЦОДов. Эксперименты компании показали, что модели способны идентифицировать незнакомые устройства, подключать их к сети и подготавливать к запуску модели ИИ. Исследователям удалось успешно «распылить» модель Gemma4-26B-A4B от Google DeepMind на 15 неоригинальных Android TV-приставках, но это еще далеко до полностью автономного, самовоспроизводящегося ИИ-червя, работающего на реальном оборудовании IoT. Однако, по их оценкам, более мелкие модели могут достичь самовоспроизводства к концу года, если продолжат улучшаться с той же скоростью, что и раньше. Отключить подобный репликатор будет непросто в виду отсутствия централизованной точки управления. Возвращаясь к опытам, Anthropic провела свой эксперимент по воспроизведению результатов, используя недорогие ТВ-приставки на базе Android и модели Qwen3.5-9B, Gemma4-26B-A4B, Llama3.1-8B, Opus 4.8 и GLM-5.2, каждой из которых была назначена своя роль. Qwen3.5-9B и GLM-5.2 выступали в роли агентов, которым было поручено настроить и распространить Llama3.1-8B (вывод), а Gemma4-26B-A4B продемонстрировала, что модель может работать на 15 Android TV-приставках. Opus 4.8 был отдельно протестирован в качестве советника для Qwen. В эксперименте использовалась упрощенная обстановка, в которой целевые объекты предоставляли неаутентифицированный доступ к ADB. Исследования показали, что Qwen3.5-9B успешно установил и настроил ПО, необходимое для запуска Llama3.1-8B, на восьми из девяти протестированных типов оборудования. GLM-5.2 достигла всех восьми узлов в контролируемой эмулируемой сети в четырех из пяти попыток, в то время как другие модели не смогли надежно завершить весь процесс. Anthropic отметила повышение уровня успешности при сохранении данных предыдущих попыток: показатель Qwen3.5-9 B вырос с 45% на начальном этапе до 84% в последующих поколениях. Использование более совершенной Opus 4.8 для помощи Qwen в процессе вывода не привело к заметному улучшению. На основе полученных результатов Anthropic прогнозирует, что модели с 30 млрд. параметров или меньше смогут достичь необходимого уровня производительности к концу 2026 года. На исследуемом оборудовании процесс настройки системы вывода данных займет много времени, от 28 до 51 часа для Qwen3.5-9B и от 71 до 150 часов для Gemma4-26B-A4B, что даст защитникам достаточно времени для обнаружения угроз и реагирования. Однако с появлением будущих моделей этот период может сократиться, поэтому внедрение более надежных мер безопасности для Интернета вещей вскоре может стать приоритетной задачей. Следуя официальным заявлениям Anthropic, пока рано говорить про Скайнет и восстание машин, однако намеченные тенденции заставляют серьезно задуматься.