7.7TB“泄露的Anthropic模型”是假的，我们也验证了

10月23日上传到Hugging Face的numbat仓库声称是Anthropic新模型训练途中泄露的检查点。它由772个文件组成，共7.7TB，已被下载数千次。随后一名社区用户证明文件里的数字是随机生成的。我们也在第一个文件上亲自做了同样的测试：试过的18个张量、全部369408个数值逐位吻合。这些文件不可能来自训练过的模型。

这件事说的是什么

AI模型由训练中被更新数十亿次的数字组成，这些数字就是训练的记忆。想象有人递给你一本号称记录多年实验的实验本，页面都写满了。随后你发现，每页的每个数字都能用页码和一个简单公式算出来。这样的本子里没有实验。numbat正是如此。

声称的内容

仓库说明称这是Anthropic下一次Mythos级训练的检查点，约14万亿参数、114层，处于196万步训练的第183万步。numbat这个名字确实出现在2026年3月Claude Code源码泄露的一条注释里，这成了可信度的抓手。文件结构也很整齐：张量索引一致，大小吻合，还附带能加载的模型代码。我们读到的索引文件写的总参数是6.85万亿，与说明不一致。

如何被识破

在仓库讨论区，用户FloxUnder展示了43个张量的730368个数值只靠张量名就能重建。做法是：取张量名的SHA256，用前八个字节作为NumPy PCG64生成器的种子，生成正态分布随机数，再套用简单公式：归一化层取e的0.06倍该数次方，卷积层取该数的六分之一，最后舍入为BF16。该用户先记录对21个未读张量的预测再读取，423168个数值全部吻合。其他用户也复现了结果。

我们的测量

写这篇报道前我们自己做了测试。没有下载10GB文件，只用HTTP范围请求读取需要的字节，也没有运行仓库中的任何代码。我们从第一个文件头选取第0、1、2层的归一化和卷积张量，按同一公式生成数值并与文件比较。18个张量的369408个数值在比特级完全相同。

训练过的模型不可能这样。这些层在训练中会变化，真实训练也没有理由用张量名作种子生成它们。我们只测试了一小部分，讨论区用户也说有些张量不符合这个配方，可能另有生成方式。我们没有逐一证明所有文件，但这已足以说明它不是所称的检查点。

对你意味着什么

用户还指出模型代码有参数写反、初始化函数为空等问题，而且这个规模需要约80张高端显卡，很少有人能实际运行。上传者的动机不明。下载号称泄露的模型前，请先看社区讨论。使用trust_remote_code=True加载会在你的电脑上运行仓库里的Python代码。截至11月1日该仓库仍在Hugging Face上。

由我们测量：Opus 模型。

来源： Hugging Face：numbat, 社区审查