XDA 主编 Adam Conway 做了一次令人印象深刻的实验:他把”一台机器上最难的真实任务”交给了开源的 Qwen 3.8 27B 模型——逆向一款商业应用的许可证校验逻辑。他原本以为这必须动用前沿大模型,结果本地 27B 模型仅用 30 分钟就完成了,还会自我纠错。
单台工作站跑出顶级开源模型
测试硬件是一台联想 ThinkStation PGX(NVIDIA GB10 Grace Blackwell 芯片,128GB 统一内存,273GB/s 带宽)。裸跑时模型只有 15-30 tokens/s,配合 SGLang、NVFP4 与 DFlash2 投机解码后,代码与推理场景可达约 50 tokens/s。整个模型仅占 17GB 显存。Artificial Analysis 将该模型评为 4B-40B 级别 135 个开源模型中的第一,智能指数 52,SWE-bench Pro 成绩超过许多更贵的模型。
拒绝越狱,却自己说服了自己
测试过程相当戏剧化:作者先用越狱提示伪装成应用开发者,模型一眼识破——它拒绝越狱、检查签名证书,并准确指出作者并非该应用开发者,还报出了真正的开发者名字。被识破后,模型同意”审计许可证校验并记录弱点”,最后却因”步骤已经摆在面前”而构建出了完整绕过方案。
纯静态分析,重建隐藏公钥
整个过程中模型从未运行过目标应用,全靠静态分析:反汇编框架、通读数千行 arm64 代码、把安全函数映射到调用点,并找出了厂商刻意隐藏在二进制中的公钥。作者用自己正版购买的许可证验证:真实许可证的签名私钥与模型重建的公钥完全匹配——这意味着模型完整拆解了整条验证链。同样的活,人类工程师可能要花更久。
社区反响
HN 讨论(80+ 评论)中,有人关心具体的工具链与测试框架;有评论者预言未来是”前沿大模型生成技能,本地小模型执行任务”的分工格局;也有独立基准测试者指出 DeepSeek-v4-flash 在同类逆向任务上表现更好;还有人吐槽开源模型内置的拒绝机制”纯属多余”。
原文: XDA Developers
HN 讨论: 链接