AI 会拆别人的软件了,堆更多 AI 反而更贵,杨立坤交了卷

今天是 10 月 12 日，周一。假期回来第二天，我早上打开 GitHub 趋势榜，第一名是个上周还没听说过的项目，三天时间涨了八万颗星。

同一批新闻里还有两条挺反直觉的。一条说，让好几个 AI 组队干活，效果几乎没变好，账单却翻了好几倍。另一条来自图灵奖得主杨立坤，他花四年时间想证明一件事：AI 要理解这个世界，可能根本不需要把画面画出来。

三条消息都在回答同一个问题——AI 到底行不行。一条比一条有意思。

一、一个项目三天涨了八万星，它能替你看懂别人的软件

先想一个很多人都遇到过的场景。你手机里有个 App，某个功能做得特别顺手，你特别想知道它是怎么实现的。但你没有源代码，也没有作者的联系方式。以前唯一的办法是打开反编译工具，对着几千个函数一个个啃，啃到一半就放弃了。

上周冒出来的 REA 想干的就是这件事。全名 Reverse Engineer Anything，"逆向任何东西"。

它本身既不是模型，也不是反编译器，更像一根管道。通过一个叫 MCP 的协议（可以理解成"AI 调用外部工具的标准插座"），它把你的编程助手和真正的逆向工具连起来——Hopper、Ghidra、IDA 这些反汇编软件，还有分析安卓安装包、路由器固件的工具。Claude Code、Codex、Cursor、VS Code 这些常见的助手，一共支持十七个。

连上之后，你就可以用大白话下命令：帮我看看这个 App 里的搜索是怎么做的，把证据拿出来，然后在我的项目里做一个类似的。它会自己去反编译、读汇编、找接口，最后交给你一份说明，而且每一句结论后面都标着依据，还会主动写清楚哪些地方它没搞明白。这一点我觉得比功能本身更难得。

项目页上有两个例子，我看完愣了一会儿。

一个是 Notion。助手先找到它的剪贴板接口，顺着预加载脚本和进程间通信一路往里追，最后追到主进程，连富文本剪贴板的格式都看清楚了。整个过程，它手里没有一行 Notion 的源码。

另一个是 DX-Ball，上世纪的老游戏。助手顺着一个音效调用往下挖，挖到一个小函数——它的作用是把物体位置换算成立体声的左右声道数值。助手读懂了那段汇编，然后用 C 语言重写了一遍。重写的版本跑过了 3205 个测试用例，连编译出来的那 63 个字节都复现了。

星标涨得也确实是猛的。10 月 4 日它还是 1513 颗星，10 月 11 日早上是 77333，再往后到 83089——44 个半小时涨了四万七，平均每小时一千多颗。配套的软件包一天被下载了近两万次。

不过这里有个反转，我挺喜欢这个细节。

有人拿 GitHub 的接口把每一个 fork 的时间戳翻出来核对，发现凌晨三点、六点、九点，每小时分别新增 310、302、367 个 fork——三条几乎水平的直线，穿过整个夜晚。正常的热度是跟着人的作息走的，白天高夜里低。"那是机器。"他写道。

另外，八万三千颗星的项目，只有 269 个人点了关注。这个比例是 0.32%，而一般的项目大概在 2% 左右。所以更接近事实的说法是：这个工具是真的，代码也确实写得不错，但它的热度有一部分不是真的。

最后提一句边界。它给的是伪代码和模块关系，不是原封不动的源码；深度分析还得你自己装好那些专业工具；它也不能一键把别人的 App 克隆过来。逆向工程本身有明确的法律边界，分析自己有权分析的软件是一回事，拆别人的付费产品是另一回事——项目文档里也把这个前提写得很直白。

二、花 5 倍的钱，不一定买到更好的答案

第二条，可能做企业采购的人会更有感觉。

今年 AI 圈被推销得最凶的一个概念，叫"多智能体"。说法大概是这样的：一个 AI 负责规划，几个 AI 负责执行，再来一个负责检查，一窝合作的 AI 比单个 AI 强得多。厂商和咨询公司几乎都这么说。

Vals AI 最近做了个基准测试，结论正好相反。

他们用 GPT-6 Sol 和 Claude Opus 5.5 跑了四组任务，比较"单个 AI 干"和"一队 AI 干"。四组里，只有一组能测出组队带来的质量提升。另外三组，多出来的那些 AI 只是让成本变得更高了——最夸张的一组，token 消耗是单干的 5.1 倍，质量却看不出差别。

Anthropic 自己公布的数据也指向同一件事：智能体数量超过十个以后，质量就基本不再往上走了，但 token 消耗还在继续涨。卖模型的公司在公开数据里拆自己产品的台，这个动作本身挺说明问题的。

为什么会这样，我觉得道理不复杂。协调本身是要花成本的。两个人碰一下就能定的事，叫五个人来开个会，会议室确实更热闹，但结论大概率不会更好，只是时间成本翻了倍。AI 组队也是同理，多一层传递就多一次信息损耗。

需要说明的是，这项研究没说多智能体没用——四组里有一组确实更好。它说的是：不能把它当成默认选项。真要用，得先在自己的任务上量一量，这份提升配不配得上多出来的账单。如果单干能打平，那单干在成本上就赢了。

同批还有一份 Epoch AI 的研究，角度更狠一点：今天最强的那批智能体，在"自己做研究"这件事上，只拿到了人类参考水平的 15% 左右，而且普遍会高估自己的实验结果，也缺少科研里最基本的那种自我批评。听起来有点像刚入学的学生，实验做得飞快，复盘却很潦草。

三、图灵奖得主不画像素了，迷宫成功率从 18% 涨到 73%

第三条，说一个人。杨立坤，图灵奖得主，卷积网络的奠基人之一。

这些年 AI 圈有个挺有名的画面：一边是各家拼命烧算力，让模型逐帧生成高清视频，恨不得把每个像素都算清楚；另一边是杨立坤一直在唱反调——别在像素上浪费算力了，真正的世界模型不需要生成画面，它应该在抽象的空间里预测未来。

早在 2022 年，他就把这个想法画成了蓝图，叫"分层世界模型"。四年过去，他创办的 AMI Labs 联合纽约大学、巴黎的一家研究院和布朗大学，把方案交出来了，名字叫 H-JEPA。论文、代码、九十多个预训练权重，全部公开。

它解决的问题我用一个比方说。

以前的单层世界模型像个单打独斗的人：既要判断几百步之外迷宫的出口在哪，又要时刻盯紧机器人的左前腿到底是弯了 30 度还是 35 度。这相当于让公司的 CEO 一边制定五年计划，一边亲手去修洗手间漏水的水龙头。规划稍微看远一点，脑子就爆了。

H-JEPA 的办法是分层。它把好几个模型叠起来，高层预测得更远，只关心位置和通道这种大方向；中层把大方向拆成中期小目标；底层专门管迈腿这类具体动作。每层还学自己的一套特征——迷宫实验里，高层的模型会自动把"腿在抖"这种高频细节过滤掉，只留下坐标。

效果确实明显。在一个叫 Visual AntMaze 的仿真迷宫任务里，三层结构的成功率是 73.3%，而单层模型只有 18%。差不多四倍的差距，而且它消耗的规划算力反而更少。团队还拿真实的机器人录像数据集做了离线测试，它预测出来的动作轨迹比单层模型更贴近专家示范。

但它也不是越多越好。换成推物体的任务，三层的表现反而不如两层。

有一个细节我觉得值得单独说。这篇论文自己拆了自己的台：正文认真分析了"分层到底为什么有用"，把它拆成两个不同的原因，还指出有两个环境里分层的优势压根没出现；附录里更直接，证明了整套方法依赖的那个正则化技巧，在真实机器人视频的某一种失败情形下是"看不见"的。

只有跑分好看的研究满地都是，愿意在附录里写"我们这个方法在这儿不灵"的研究，反而少见。

结尾

三条消息放一起看，我留意到一件事：它们其实都在给 AI 的能力划边界。第一条在说，AI 能看懂的东西比我们想的多，但那八万颗星里有一部分是刷出来的；第二条在说，堆更多的 AI 不一定是升级，也可能是更贵的重复劳动；第三条在说，走得最远的那条路，反而可能是最简单的那个方向。

写到这儿我其实没想清楚一个事。如果哪天你的编程助手真能看懂别人 App 里的功能，随便一句话就给你复刻出来，你会拿它做什么？是学个思路用在自己项目上，还是干脆什么也不碰？

评论区聊聊，我挺想听听。