![Apple M4 神經引擎限制被逆向工程解鎖](https://platform.twitter.com/embed/Tweet.html?creatorScreenName=omarsohail90&dnt=true&embedId=twitter-widget-0&features=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%3D%3D&frame=false&hideCard=false&hideThread=false&id=2066629930889474333&lang=en&origin=https%3A%2F%2Fwccftech.com%2Fapple-m4-software-restrictions-bypassed-unlocking-15-8tfops-of-ai-power%2F&sessionId=ea30f4e8f6239b07ac0c484888655b2e1600c81c&siteScreenName=wccftech&theme=light&widgetsVersion=6a3ad42b224df%3A1778106238597&width=500px" data-tweet-id="2066629930889474333" style="box-sizing: border-box;border-width: 0px;border-style: none;position: static;visibility: visible;width: 500px;height: 943px;display: block;flex-grow: 1"></iframe></p><p>相关人员在 GitHub 上公开了代码，并在 X 平台分享了演示结果，称其做法是直接在 M4 的 ANE 上执行完整反向传播和 Transformer 训练 。为了避免训练过程卡死后中断，方案中还使用了 exec() 机制在需要时“重启”进程继续训练 。</p><p>报道进一步称，这一过程完全没有写入 NAND 闪存，而是把数据和状态都保留在 RAM 中，从而显著提升速度 。在绕开软件限制后，M4 在 iPad 或 Mac 上可达到约 15.8TFLOPS 的 AI 处理性能，足以进行模型训练，而无需依赖昂贵的独立电脑或高端 NVIDIA GPU 。</p><p><img src="https://static.cnbetacdn.com/article/2026/0616/9d8ceec3c3fd536.jpg)
Apple M4 神經引擎限制被逆向工程解鎖
開發者繞過了 Apple M4 晶片神經引擎的軟體限制，解鎖了 15.8 TFLOPS 的 AI 算力。該實現方案使用自定義的 Model Intermediate Language (MIL) 直接與硬體進行通信。
Search
Tag: #reverse-engineering22 results
Mythos 架構被 22 歲小伙「逆推」開源了！MoE 和注意力借鑑 DeepSeek
一位 22 歲開發者逆向工程 Claude 的 Mythos 架構並開源。實作借鑑 DeepSeek 的 MoE 和注意力機制，整合公開研究與主流推測。
Google SynthID 水印系統遭逆向工程
一名開發者聲稱逆向工程了 Google DeepMind 的 SynthID 水印系統，能從 AI 生成圖像移除水印或插入其他作品。該開源方法僅用 200 張 Gemini 生成圖像與訊號處理，無需神經網路。Google 否認此說法。
獨立重現 GPT-OSS-20B 基準測試
研究人員透過無工具定義提示，反向工程 gpt-oss-20b 的內部分佈工具，確認高信心工具呼叫。他們在 GitHub 建置原生 harmony agent 框架，避開 Chat Completions API 的損失。這實現首個獨立重現 OpenAI 分數：SWE HIGH 60.4%、MEDIUM 53.3%、AIME25 91.7%。
📰
Claude Code 的 Python 完整重製
HarnessLab 發布 Claw Code Agent，這是基於逆向工程的 Claude Code agent 純 Python 完整重製版。它支援透過 vLLM、Ollama 或 LiteLLM 的本地開源模型，具備代理式編碼迴圈、工具與工作階段持久化等功能。推薦使用 Qwen3-Coder-30B-A3B-Instruct。
Claude 發現 1986 年 Apple II 程式碼漏洞
Microsoft Azure CTO Mark Russinovich 使用 Anthropic 的 Claude 測試其 40 年前的 Apple II 程式碼，成功找出漏洞。此舉展示 AI 逆向工程古老架構機器碼的能力。數十億舊有微控制器可能因此面臨風險，亟需 AI 工具應對。
逆向工程 Apple ANE 訓練 MicroGPT
開發者利用 Claude 逆向工程 Apple M4 Mac Mini 的 Neural Engine 私有 API，繞過 CoreML 訓練 110M MicroGPT。實現 19 TFLOPS、2.8W 功耗，達 6.6 TFLOPS/W 效率。分享 GitHub 儲存庫含基準測試與訓練管線。
Fisker車主逆向工程破解車輛系統以拯救孤兒車
在Fisker破產後，約4000名Ocean SUV車主組成Fisker車主協會（FOA）。他們透過逆向工程破解車輛軟體與CAN匯流排，以維持車輛運作並建立獨立的零件供應鏈。
Claude 復活 30 年前遊戲僅用一個週末
Anthropic 的 Claude AI 在僅一個週末內復活了 30 年前的傳奇電玩遊戲。它透過破解原作者的自訂程式語言達成此一壯舉。此舉展現了 Claude 在反向工程與程式設計方面的卓越能力。
Gemma 4 MTP 逆向工程進展
社群成員從 .litertlm 提取 Gemma 4 模型權重，轉為多個 INT8 量化 .tflite 檔案。尋求 C++ 專家使用 Google AI Edge Model Explorer 等工具逆向轉為 PyTorch nn.Module。Hugging Face 儲存庫提供檔案、步驟及 graphdef JSON。