活久见！
一位生活在1931年之前、训练数据里从未接触过任何计算机的AI，跨越了将近一个世纪的时光——
竟然写出了Python代码？！！
家人们，这真不是科幻小说……
模型名为 talkie-1930-13b。
操盘手是AI研究员Nick Levine、多伦多大学副教授David Duvenaud，以及大家熟悉的那位——真·GPT系列之父 Alec Radford。
该模型的训练数据有一条铁律：1931年1月1日之后的任何一个字都不准进入！
它不知道电视机、互联网为何物，它的世界永远停在了1930年12月31日的午夜。
然而，最最最魔幻的事情来了，团队成员发现：
这个本不该知道罗斯福新政的AI，却把新政立法说得头头是道，连年份都报得出来？！
更离谱的是，当团队扔给它一道Python编程题时，这个跨越了将近一百年的“过去之灵”，竟然写出了它人生中的第一行Python代码？！
一个连计算机都没听过的AI，跨越百年写代码，这事网友们可坐不住了。
脑洞瞬间开闸，下面这位小哥连“穿越提问清单”都已经想好了，疯狂想尝试：
我到底睡醒了没？AI，真能跨越时空了？？
一个生活在1931年之前的老式模型
一个在1931年之前生活的模型，上知天文下知地理，还会编程，那咱高低得研究研究。
事实上，talkie是一个130亿参数的模型，它在2600亿tokens的1931年之前的英文文本上训练而成——
训练样本包括但不限于书籍、报纸、期刊、科学杂志等等。
从狄更斯到马克吐温，从爱因斯坦那年代的物理论文到百年前的烹饪书和礼仪手册，全都被打包喂了进去！
之所以选择1930年作为模型的知识截止点，也是有说法的，因为这是美国版权法中作品进入公有领域的边界。
那么问题来了，为啥Alec Radford想做这么个项目呢？
事实上，Radford及其团队想知道：
如果只让一个模型阅读1931年之前的所有英文文本，它会如何思考、如何对话、如何预测未来？
结果您猜怎么着，团队还真发现了几个“大瓜”。（好家伙.jpg）
模型被时代发展震惊到眩晕瘫坐
第一个发现，就是模型被时代发展“震撼到了”的曲线图——
团队从《纽约时报》的On This Day栏目里翻出了近5000个历史事件，一股脑全喂给talkie，然后盯着屏幕看——这老兄对每件事到底有多“没料到”。
结果一条相当戏剧性的曲线就这么出来了：
1930年之前：talkie读得行云流水，惊讶值稳如老狗。（talkie：嗯嗯，这些事儿俺都门儿清哈）
刚跨过1930年：talkie惊讶值开始悄悄爬升。（talkie：诶？这事儿咋还能这样？）
1950–60年代：晶体管、电视机普及的年代，talkie惊讶值直接陡峭飙升，一柱擎天。（talkie：等会儿，人类上天了？还整出个会动的盒子能放戏？）
再往后嘛——直接佛系平和了。（talkie：眩晕震撼瘫坐，人已懵，您随便吧……）
这波，也是刘姥姥进大观园了——质疑、理解、接受。
这模型还学会了Python
当然，眩晕震撼瘫坐曲线图还不是这次研究中最炸裂的发现，因为团队成员的第二个发现是——
一个没见过电脑的AI，居然学会了写Python代码？！
在研究中，团队给talkie扔了一份OpenAI的HumanEval编程测试集。
在prompt里塞几个Python函数当示范例子，然后让talkie看完直接解新题，也就是让模型靠上下文现学现卖。
在这个测试中，团队还顺手把训练过现代互联网数据的同架构talkie-web也拉出来一起测，并画张对比折线图——
（黑线：Vintage LM，灰线：Modern LM）
结果就是一个雷霆暴击，talkie真的解出来了，人家直接把加密函数里的+5改成-5，然后交卷。
是的，只改了一个字符，但答案完全正确……
不仅如此，团队发现一个清晰的趋势，那就是——模型规模越大，能解出来的编程题越多。
换句话说，虽然目前还远不及现代模型，但复古模型的“凭空学代码”的能力也在Scaling Law的作用下稳步爬升。
对此团队也表示，他们希望复古模型能帮整个AI圈搞清楚一个根本问题——LLM到底能泛化到训练数据之外多远。
1930年模型 vs 2026年模型
老话说得好，有对比才有看头新发现。
为了搞清楚talkie到底有几斤几两，团队还用完全相同的架构和算力，又训练了一个喂现代互联网数据的双胞胎——talkie-web-13b。
并将两个模型放进各种标准LLM评测里打PK，结果可以说甚是微妙：
不出意外，talkie-1930在实际表现上确实落后于现代孪生兄弟。
但是当研究员把那些超出知识范围的题目剔除后（比如互联网、DNA相关的），两者的差距直接缩小一半。
更炸裂的是，在核心语言理解和数学计算任务上，新老模型的表现几乎一样好。
这个结论某种程度上也说明了“理解语言”和“算数”这两项能力，似乎并不依赖你读了多少现代互联网内容。
剩下的差距，团队认为主要来自两个原因：一是OCR转录质量太差，毕竟1930年的报纸都是从扫描件里硬抠出来的。
二是语料题材分布不同，例如老报纸里科技含量低，烹饪礼仪含量高。
emm……大模型最值钱的那部分智能，可能跟“读没读过现代互联网”没太大关系？
（talkie：俺要是生在2026年，我也能背GitHub啊喂！）
用1930年的礼仪手册，把AI调教成了聊天助手
大家都知道，要想让talkie这样的模型变成能对话的AI助手，传统做法是用ChatGPT那种现代指令数据。
但问题是，这样做会把21世纪的对话风格、价值观等时代元素统统注入回1930年的模型。
（talkie：好不容易当上民国先生，您一指令调教，俺直接张口就说“宝子们”了……）
而团队的解决办法，可以说是神来之笔——
他们直接去1930年之前的故纸堆里，考古出了一套训练数据：
包括教人怎么得体应答的礼仪手册、教人怎么回信的书信指南等等，然后再用Claude Sonnet 4.6当老师做强化学习训练，最后生成训练数据。
就靠着这些百年前的天然问答语料，团队硬是把talkie调教成了一个能聊天的AI助手。
然而，现实很快啪啪打脸——
团队发现，早期那个7B版本的talkie，经过强化学习之后，居然学会了用现代互联网那种1. 2. 3.的列表体说话。
要知道1930年的语料里，压根没有列表体这种超级现代感的东西……
而罪魁祸首——就是Sonnet 4.6。
因为Claude老师是现代AI，因为Claude老师喜欢列表体，所以talkie为了拿高分就学着用列表体说话了……
（真·投其所好啊……)
这恰好也反映出模型训练的一大问题，那就是AI反馈的训练方式，不可避免地会让模型沾上现代风格。
为了解决这个大bug，团队的下一个目标就是：有朝一日让talkie自己来当自己的老师。（doge）
Alec Radford是谁
talkie背后的团队成员之一——Alec Radford，也值得我们好好聊聊。
关于他，我们甚至可以说，今天AI圈的一大半“基建”，都跟他有关。
在OpenAI的近十年里，他是和Ilya Sutskever齐名的技术大神，初代GPT系列的奠基者——
包揽了GPT-1和GPT-2论文一作，也是GPT-3、GPT-4的核心贡献者，此外他还是多模态模型CLIP的主导者之一，像Whisper、DALL·E也都有他深度参与的身影。
他在2018年那篇开山之作里首次提出的基于Transformer的生成式预训练方法，直接奠定了后续ChatGPT和所有大模型的基础。
在2024年末，Alec离开了老东家OpenAI，转而投身独立研究。到了2025年3月，他以顾问身份加入了前OpenAI CTO Mira Murati创立的Thinking Machines Lab。
回顾Talkie这个项目，整件事确实耐人寻味——
当全球都在疯狂追逐AGI和推理模型时，GPT系列之父本人却选择与搭档们共同打造一个只存在于1930年的AI。
按照团队的规划，今年夏天将发布GPT-3级别的复古模型；未来，他们还计划将训练语料扩展到一万亿tokens，并覆盖非英语世界。
只是不知道，当这个AI再次“苏醒”的那一天，看到机器人跑马拉松、人手一部智能手机、以及遍地都是的Agent时——
会不会再次当场愣住、眩晕、瘫坐.jpg。
（模型使用入口我放在下面了，感兴趣的朋友可以试试和一百年前的AI对话～）
参考链接：
[1] 报告链接：https://talkie-lm.com/introducing-talkie
[2] GitHub链接：https://huggingface.co/talkie-lm
[3] 模型对话入口：https://talkie-lm.com/chat
— 完 —
谁会代表2026年的AI？
龙虾项目爆火，带动了一波Agent及其衍生产品的浪潮。
但真正值得长期关注的AI公司和产品，或许远不止于此。
如果你正在参与或见证这些变化，欢迎申报。
让更多人看到你。👉 https://wj.qq.com/s2/25829730/09xz/
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/32754
