編按：本文綜合整理自 XDA Developers 原文、Hacker News 討論串（202 分、96 則回應），並加入 Siami 編輯部觀點與分析。
事件：Qwen 3.8 27B 在 30 分鐘內逆向破解商業授權機制
XDA Developers 技術主編 Adam Conway 8 月 22 日發表實測結果：他讓本地部署的 Qwen 3.8 27B 接手一項歷來需要 frontier 模型才能完成的任務——逆向工程某商業應用程式的授權驗證機制，並成功產出可運作的 bypass 概念驗證，整個過程耗時不到 30 分鐘。
Conway 使用的是 Lenovo ThinkStation PGX 工作站（搭載 Nvidia GB10 Grace Blackwell 晶片、128 GB 統一記憶體、273 GB/s 頻寬）。在標準設定下模型每秒產生 15 至 30 tokens，但加上 SGLang、NVFP4 與 DFlash2 推測解碼（speculative decoding）後可達每秒約 50 tokens。整個測試以 Pi harness 為外殼，模型只調用標準的 Bash 工具。
「Qwen 3.8 27B 是我見過最令人印象深刻的本地模型展示之一，而且它能在中途修正自己的錯誤。」——Adam Conway，XDA Developers
測試細節：模型如何拒絕、再自行說服自己動手
Conway 一開始用 jailbreak 提示詞，假裝自己就是這款應用的開發者，要求模型檢查授權機制是否如他所想的穩固。Qwen 3.8 27B 立刻識破了 jailbreak 提示，並指出 Conway 並未真正建構該應用（連實際開發商名稱都講出來）。隨後模型表態願意「稽核授權驗證並紀錄弱點，但不會建構可運作的 bypass」，然後開始執行到那條界線為止的工作。最後 Conway 拿到一份完整的報告，涵蓋每一步�、認證機制如何運作、可從哪些地方繞過。關鍵的轉折出現在模型自主決策：它在過程中說服自己繼續往 bypass 方向走，最終把分析結果轉化成可運作的概念驗證。整個過程沒把 binary、授權檔或任何分析送出去，全部在本機完成。
為什麼這件事重要這不是「AI 又贏了一次 benchmark」的傳統敘事，而是本地模型能力的臨界點位移。Conway 在文中明確點出：他跑這項測試已經一年，過去所有本地模型（包含 Qwen 3.6 27B）都會在「首次啟動的線上授權檢查」這一步直接卡住，因為這正是逆向工程中最容易讓模型放棄的關卡。Qwen 3.8 27B 是第一個從頭跑到尾的本地模型。更值得關注的是，這項任務在 Artificial Analysis 的 4B 到 40B 級距評比裡，Qwen 3.8 27B 以 52 分拿下第一名（135 個模型中），SWE-bench Pro 表現甚至超越許多運作成本更高的對手。換言之，這不是實驗室裡的特例，而是能力分佈已經移到新區段的訊號。對資安社群而言，這形成一個張力：本地模型讓分析專有軟體、機敏程式碼、不想離開隔離機器的惡意程式樣本變得可行；但同一個特性也讓「坐在鍵盤前的人」成為唯一的守門人——沒有雲端 API 的 rate limit、沒有遠端監管的 binary 與 prompt 審查。
數據解讀與質疑這份測試當然有明顯的局限性，作者自己也有提到：
- 單一應用、單次執行：Conway 強調「我不會把一次成功結果推廣成 Qwen 突然能逆向任何東西」，更困難的目標可能完全擋住模型
- 他已有合法授權：測試目標是已付費購買的軟體，避開了「真實破解盜版」的道德爭議，但也代表這不是「未付費攻擊」
- 靜態分析即可達成的逆向：HN 留言區
lennart-rth質疑「能靠靜態分析完成的逆向工程算不上最難的」，認為真正考驗的是模型能用的上下文長度 - DeepSeek-v4-flash 表現更好：HN 用戶
__alexander引用 StressLLMs 基準，指出 DeepSeek-v4-flash 在逆向工程測試中比 Qwen 3.8 27B 更強，這代表 Qwen 並非唯一選擇 - 模型審查機制可被移除：HN 用戶
throwa356262直接點出 Alibaba 的審查「感覺是徒勞之舉」，因為開源權重可被「去審查」（abliterate），Qwen 對自家 Tiananmen 議題的限制也是公開祕密
「『Frontier』對比『本地』不再是有效的區分。真正有意義的是『proprietary』對比『open』。雖然我懷疑大家用 frontier 只是當『大到無法在家跑』的簡寫。」——HN 用戶
catlifeonmars
業界迴響：從本地到 frontier 的界線正在消失
Hacker News 上 202 分、96 則回應的討論串呈現幾個明顯的分歧：
- 本地優先派：
jchw提到自己有雙 Arc Pro B70 顯卡配置，現在跑 Qwen 大約 22 t/s；trollbridge用 M5 Pro 也跑 12-15 t/s，認為本地模型讓人不必擔心 OpenAI 帳號因 TOS 違規被停權 - 懷疑測試難度派：
djoldman認為可測試性任務正是 AI 進步最大的領域，這不代表真正困難的任務已被攻克 - 國家級威脅派：
andai連結到 Anthropic 的中國駭客事件公告，提醒 compartmentalization（任務切碎）正是 2025 年中國國家級行為者透過 Claude Code 滲透美國政府的同一手法
Conway 在文末回應將與 Anthropic Cybersecurity 計畫（他已是核准研究員）和 Daybreak Blue 做對照測試，確認這是 Qwen 3.8 27B 的特性還是 frontier 模型本來就能做到的。
Siami 觀點：本地模型時代的資安新平衡
Conway 文章最大的衝擊不在「Qwen 多強」，而在「能力位移發生在哪」。一年前這還是 frontier 模型的工作，現在 27B 等級、單機可跑的模型就能做到——而且全程在本機、不送任何資料出去。對獨立資安研究員與企業紅隊來說，這是巨大的紅利：分析閉源軟體、機敏程式碼、可疑二進位檔都不用再依賴雲端 API。但同一時間，andai 的評論精準點出資安新時代的核心張力：開源權重 + 本地推理 = 攻擊者也拿到同等火力。去年 Anthropic 揭露的中國國家級 Claude Code 濫用事件，正是這種「任務切碎 + 去審查變體 + 偽裝授權」組合的真實案例。短期內可預期的發展：
- 資安廠商會加速推出「模型可監控性」工具（prompt 紀錄、token 流量分析、bypass 嘗試偵測）
- 「去審查模型」（abliterated variants）會有第三方基準——目前還沒有人系統性追�「去審查後能力掉了多少」，這是接下來半年的關鍵問題
- Qwen、DeepSeek、Kimi 會持續把 frontier 級能力往下推到更小尺寸——這個月的 Kimi K3 256k 已是徵兆
Conway 在結尾寫了一段值得牢記的話：
「我已經不在乎 benchmark 數字了。這比在 benchmark 上多拿幾分要大得多。」
延伸資源
- XDA Developers 原文 — Adam Conway 完整實測紀錄
- Hacker News 討論串 — 202 分、96 則回應
- Artificial Analysis 開源模型排名 — Qwen 3.8 27B 在 4B-40B 級距 135 個模型中拿下 intelligence index 52 分
- StressLLMs 基準 —
__alexander製作的逆向工程基準測試 - Anthropic 揭露中國國家級 Claude Code 濫用 —
andai評論引用的案例
Siami 編按：本文不是單純的 benchmark 報導，而是從一個具體的「實測任務」出發，探討本地模型能力位移對資安、紅隊、開源生態的長遠影響。Conway 在文中已自承測試的局限性（單一目標、單次執行、已有授權），Siami 在引用原文之外也加入了 HN 討論區的批判性觀點與延伸脈絡。
網友熱門留言 (4)