Слух об утечке ИИ-модели проверяется по трём вещам: метаданные репозитория, физика файлов и воспроизводимость запуска. Без этого любой чекпоинт на Hugging Face — просто набор байт с красивым README. Свежий пример: репозиторий burner22/numbat заявил внутренний тренировочный чекпоинт Anthropic класса Mythos — 14 трлн параметров, 1 224 эксперта MoE, 7,72 ТБ весов в 772 шардах, гибридная архитектура GDN + MLA. Независимого подтверждения, что это настоящие веса Anthropic, нет.
Что это такое: что заявлено в репозитории об утечке ИИ-модели
Заявка описывает не готовую модель, а тренировочный чекпоинт — промежуточное состояние обучения. Это важное отличие: такие файлы редко выкладывают наружу даже внутри компании, потому что они бесполезны без кода обучения и датасета.
Что перечислено в карточке репозитория:
- 14 трлн параметров;
- 1 224 эксперта MoE;
- 7,72 ТБ весов;
- 772 шарда весов;
- гибридная архитектура GDN + MLA;
- код архитектуры, конфиги и метаданные обучения.
Проверить слух об утечке ИИ-модели можно только по файлам: размер, хеши, конфиг, поведение при загрузке. Сам README ничего не доказывает.
Виды и варианты: какие бывают «утечки» моделей
Публикация весов на Hugging Face — это всегда один из четырёх сценариев, и они различаются по трудозатратам автора.
- Реальная утечка. Кто-то с доступом к инфраструктуре выложил шарды. Признак — консистентность: конфиг, токенизатор и веса сходятся между собой.
- Вброс ради внимания. Пустой или случайный репозиторий с громким названием. Признак — файлы не грузятся или весят не то, что заявлено.
- Маркетинг. Релиз под видом «случайно утекло». Признак — быстрая официальная реакция и аккуратные метаданные.
- Honeypot. Ловушка для журналистов и конкурентов. Признак — репозиторий быстро удаляют, а по следам ищут, кто его скачал.
Кейс numbat пока ближе ко второму или четвёртому: слишком громкие цифры и нулевая верификация.
Как проверить слух об утечке ИИ-модели: 5 критериев с цифрами
Проверка занимает от часа до суток и не требует полной загрузки 7,72 ТБ. Начните с дешёвых шагов.
- Сверьте размер. 14 трлн параметров при 7,72 ТБ весов дают около 4,4 бита на параметр. Для тренировочного чекпоинта в fp16 это невозможно: нужно ~28 ТБ. Значит, либо квантование, либо цифры выдуманы.
- Проверьте шарды. 772 файла на 7,72 ТБ — это в среднем ~10 ГБ на шард. Скачайте один-два и посмотрите заголовки: формат (safetensors, GGUF), число тензоров, dtype.
- Прочитайте конфиг. В config.json должны сходиться hidden size, число слоёв и число экспертов. Если 1 224 эксперта не бьются с размером матриц — это фейк.
- Сопоставьте токенизатор. Токенизатор Anthropic нигде публично не выложен. Любой «фирменный» tokenizer.json — либо утечка, либо копия открытого.
- Попробуйте загрузить один слой. Если код архитектуры в репозитории рабочий, слой инициализируется. Если падает на импорте — кода нет, есть картинка.
Есть и обратная сторона: если чекпоинт настоящий, качать его на домашнюю машину бессмысленно. Сравнение подходов — в разборе локальная LLM или облачная: как выбрать по бенчмаркам.
Плюсы и минусы: что даёт публикация чекпоинта
Даже фейковая утечка полезна: она показывает, насколько рынок голоден до больших открытых MoE. Реальная — меняет расклад, но почти не даёт практической пользы.
Плюсы для читателя:
- появляется повод разобрать архитектуры GDN и MLA на конкретных числах;
- видно, как устроены карточки больших чекпоинтов: шарды, конфиги, метаданные;
- растёт спрос на инструменты проверки весов.
Минусы и ограничения:
- 7,72 ТБ не влезают ни в одну домашнюю видеокарту — запуск возможен только на кластере;
- без кода обучения тренировочный чекпоинт почти не воспроизводим;
- юридически скачивание чужого чекпоинта — риск, а не достижение.
Если задача — запустить большую MoE на своём железе, смотрите не на такие слухи, а на рабочие схемы вроде как запустить большую MoE-модель на одной видеокарте.
Типичные ошибки при проверке утечки ИИ-модели
Главная ошибка — верить заголовку репозитория и числу параметров без открытия файлов. Вторая — качать весь чекпоинт «на всякий случай». Третья — репостить новость до того, как проверены размеры и конфиг.
Короткий список того, чего делать не стоит:
- запускать неизвестный код из репозитория на рабочей машине;
- считать число параметров доказательством: его пишут в README руками;
- путать тренировочный чекпоинт с релизной моделью;
- делать выводы по одному скриншоту из соцсети.
Правило простое: пока не открыт хотя бы один шард и не прочитан config.json, это не утечка, а слух.
Частые вопросы
Это правда утечка модели Anthropic? Не подтверждено. В репозитории burner22/numbat заявлены 14 трлн параметров и 7,72 ТБ весов, но независимой проверки, что это настоящие веса Anthropic, нет.
Можно ли запустить такую модель дома? Нет. 7,72 ТБ весов не помещаются в память одной видеокарты; для тренировочного чекпоинта такого размера нужен кластер, а не ПК.
Как быстро отличить фейк от реальной утечки? Сверьте заявленный объём с форматом: 14 трлн параметров в fp16 — это около 28 ТБ, а не 7,72 ТБ. Нестыковка по битам на параметр — первый признак вброса.
Больше разборов по ИИ и автоматизации — в канале: @il_chum