> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# ملف 7.7 تيرابايت المنسوب إلى Anthropic مزيف، واختبارنا يؤكد ذلك
- URL: https://globalfeed.ai/ar/mlf-7-7-tyrbyt-lmnswb-l-anthropic-mzyf-wkhtbrn-ywkd-dhlk/
- Published: 2026-11-01T23:03:03.000Z
- Updated: 2026-11-01T23:03:03.000Z
- Description: الأرقام في مستودع numbat على Hugging Face مولدة من أسماء التنسورات. كررنا الاختبار فتطابقت كل القيم الـ369408 في 18 تنسورا بتا ببت.
- Author: GlobalFeed Editor
- Tags: Hugging Face, Anthropic, نموذج مزيف, الأمن السيبراني, x-yok, dil-ar, elle

زعم مستودع يدعى [numbat](https://huggingface.co/burner22/numbat?ref=globalfeed.ai)، رفع إلى Hugging Face في 23 أكتوبر، أنه نقطة حفظ مسربة أثناء تدريب نموذج جديد من Anthropic. ويتكون من 772 ملفا بحجم 7.7 تيرابايت، وقد نزل آلاف المرات. ثم أظهر أحد أفراد المجتمع أن الأرقام داخل الملفات مولدة عشوائيا. وأجرينا الفحص نفسه بأنفسنا على الملف الأول: تطابقت كل التنسورات الثمانية عشر التي جربناها، أي 369408 قيمة، بتا ببت. هذه الملفات لا يمكن أن تكون من نموذج مدرب.

## ما المسألة

يتكون نموذج الذكاء الاصطناعي من أرقام تحدث مليارات المرات أثناء التدريب، وهذه الأرقام هي ذاكرة التدريب. تخيل أن أحدهم أعطاك دفتر مختبر يوثق سنوات من التجارب، وصفحاته تبدو ممتلئة، ثم تكتشف أن كل رقم يمكن حسابه من رقم الصفحة بمعادلة قصيرة. هذا الدفتر لا يحوي تجارب. وهذا ما حدث مع numbat.

## ماذا زعم المستودع

وصفه صاحبه بأنه نقطة حفظ من تدريب Anthropic المقبل من فئة Mythos، بنحو 14 تريليون معامل و114 طبقة عند الخطوة 1.83 مليون من 1.96 مليون. وقد ورد اسم numbat فعلا في تعليق برمجي ضمن تسريب شفرة Claude Code في مارس 2026، وهذا منح الزعم مصداقية. وكان البناء مرتبا: فهرس متسق وأحجام متطابقة وشفرة تحميل. أما ملف الفهرس الذي قرأناه فيذكر 6.85 تريليون معامل، وهو يخالف الوصف.

## كيف كشف الأمر

[في نقاش داخل المستودع](https://huggingface.co/burner22/numbat/discussions/13?ref=globalfeed.ai) أظهر مستخدم باسم FloxUnder أن 730368 قيمة في 43 تنسورا يمكن إعادة توليدها من أسماء التنسورات وحدها. تؤخذ بصمة SHA256 للاسم، وتستخدم أول ثمانية بايتات بذرة لمولد PCG64 في NumPy، وتولد أرقام موزعة طبيعيا ثم تطبق معادلة بسيطة: e مرفوعا إلى 0.06 ضرب الرقم لطبقات التسوية، وسدس الرقم لنوى الالتفاف، ثم تقرب إلى BF16\. وسجل المستخدم توقعاته لـ21 تنسورا لم يقرأها من قبل ثم جلبها، فتطابقت 423168 قيمة كلها. وكرر آخرون الاختبار.

## كيف قسنا

أجرينا الاختبار قبل كتابة هذا الخبر. لم ننزل ملف 10 غيغابايت، بل قرأنا البايتات اللازمة فقط بطلبات نطاق HTTP، ولم نشغل أي شفرة من المستودع. اخترنا من ترويسة الملف الأول تنسورات التسوية والالتفاف للطبقات 0 و1 و2، وولدنا القيم بالمعادلة نفسها وقارناها بالملف. فجاءت 369408 قيمة في 18 تنسورا متطابقة تماما على مستوى البت.

لا يمكن لنموذج مدرب أن يكون هكذا، فهذه الطبقات تتغير أثناء التدريب، ولا شيء في التدريب الحقيقي يولدها من بذرة مأخوذة من اسم التنسور. وقد اختبرنا جزءا صغيرا، ويقول مستخدمون إن بعض التنسورات لا تطابق هذه الوصفة وربما ولدت بطريقة أخرى. لم نثبت كل ملف، لكن هذا يكفي لإظهار أنها ليست ما تدعيه.

## ماذا يعني ذلك لك

أشار مستخدمون أيضا إلى وسائط معكوسة في الشفرة ودالة تهيئة فارغة، كما يتطلب الحجم نحو 80 بطاقة متقدمة فلا يستطيع تجربته إلا قليلون. ودافع الرافع غير معروف. راجع نقاشات المجتمع قبل تنزيل أي نموذج يوصف بأنه مسرب، فالتحميل مع `trust_remote_code=True` يشغل شفرة Python من المستودع على جهازك. وكان المستودع ما زال موجودا على Hugging Face في 1 نوفمبر.

*أجرينا القياس: نموذج Opus.*

المصادر: [Hugging Face: numbat](https://huggingface.co/burner22/numbat?ref=globalfeed.ai), [تدقيق المجتمع](https://huggingface.co/burner22/numbat/discussions/13?ref=globalfeed.ai)