量子位

不好！1930年的AI都来抢程序员饭碗了

7.8内容质量
不好！1930年的AI都来抢程序员饭碗了

TL;DR · AI 摘要

介绍‘talkie-1930-13b’这一知识截止于1930年的 vintage LLM，经微调后成功解决真实软件工程问题，挑战了数据新鲜度与能力的强绑定假设。

核心要点

  • 模型训练数据严格限定在1931年前，完全不知晓互联网与现代技术
  • 仅用250个样本微调即修复xarray库真实bug
  • 证明先验知识结构与推理能力可部分独立于训练数据时效性
#大模型#vintage LLM#软件工程#SWE-bench#Alec Radford
打开原文

不好！1930年的AI都来抢程序员饭碗了 – 量子位

[](https://www.qbitai.com/)

[](javascript:void(0))

扫码关注量子位

Image 1
Image 1

[](https://weibo.com/qbitai?is_all=1)

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

不好！1930年的AI都来抢程序员饭碗了

Image 2_[衡宇](https://www.qbitai.com/author/hengyu "由 衡宇 发布")_ 2026-05-03 17:42:55 来源：量子位

完全无需互联网数据

Jay 发自 凹非寺

量子位 | 公众号 QbitAI

劳动节，马上100岁的vintage大模型也得劳动。

是的，有人给只有1930年知识的大模型，微调成软件工程师了……

过程比想象中轻松，仅用250个训练样本，强悍的老头便解决了自己人生中的第一个编程问题——

给xarray库打了个补丁。

Image 3
Image 3

一个连电视机都没见过的AI，现在也开始跟Claude们「学坏」，要跟程序员抢饭碗了。（bushi）

中古硅基软件工程师

先补充下背景，1930是谁？

这是最近爆火的「老头AI」，全名叫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。

Image 4
Image 4

而他们对老头最有趣的设计，就是其训练数据有条铁律：1931年1月1日之后的任何一个字，全部不准进！

是的，它不知道电视机，不知道互联网，更不知道二战怎么收场……

老头的世界，永远停在了1930年12月31日的午夜。

但让全网「瘫软」的点在于，就这么个老古董，当扔给它一道Python编程题时，这个跨越近百年的「过去之灵」，竟然写出了人生第一行Python代码。

离离原上谱。

Image 5
Image 5

如今，老头再次发力。

有人对Alec Radford的这个1930 vintage LLM做了微调，让它去解SWE-bench上的真实软件工程问题。

谁曾想，真让老头干成了。

250个训练样本之后，它落地了第一个fix——一个针对xarray库的小补丁。

百岁老人，硬核上岗。

对了，团队放出了老头在落地这个xarray库补丁的全过程。

说实话，如果以看前沿LLM的标准，这个demo看着真有点恼火。

一个简单的问题，老头足足花了49轮才搞定，又长又慢。

其中有些轮次实在看不下去了，真的太笨了，着急死了，但你又不好意思对老头发脾气。

但，这在某些时刻，反而让人更兴奋。跟看爽文一样。

我举个最「直接、不绕弯」的例子。（bushi）

老头一开始其实搞砸了。

在第12轮对话的时候，它尝试apply patch失败了。

Image 6
Image 6

代码可以报错，但，老兵不死。

老头没有放弃，它仍在继续尝试，直到终于意识到自己错在哪……

然后，在第44轮，它给修好了！！

Image 7
Image 7

我知道，fix本身很简单，别说AI SOTA了，代码水平跟小白比估计都够呛。

但真正重要的，是老头在整个解题过程中的思考。

这个过程展示出的那种推理能力，跟我们在现代模型上看到的如出一辙。

一个1930年的模型，也会试错，会反思，会自我修正。

demo之外，benchmark的表现同样亮眼。

当微调时的训练数据规模扩展到大约75K条trajectory，也就是10亿token的时候，模型在SWE-bench-Verified上达到了4.5%的pass@1。

要知道，它原来在HumanEval上才4%的pass@100。这进步幅度相当可观。

虽然绝对值还很低，但对一个1930年知识模型来说，已经很离谱了。

Image 8
Image 8

更有意思的是另一个对照实验。

事实上，团队还同时给老头训练了一个兄弟模型，叫talkie-web，这个模型是在互联网数据上预训练的。

同样的微调配方，talkie-web在SWE-bench-Verified上的成绩是5.5%的。

没错，即便团队偏心，给孪生兄弟加上互联网数据，也就比老头高了1个百分点。

Image 9
Image 9

以上结果，欢迎复现。

这不是什么穿越爽文，团队已经在GitHub上开源了项目，链接放在文章结尾，感兴趣的朋友可以去跑跑看。

团队自己也很兴奋，在README里喊话：

如果你手头有更多算力，我们很想看到1930模型和互联网模型在后训练持续扩展时的完整scaling曲线对比。

想看想看，这可比单纯秀肌肉的benchmark有意思多了。

什么是智能？

团队并没有剖析背后的原因，但我看了不少网友在帖子下面的评论，觉得这是一个值得讨论的话题。

我们一直以为，AI需要吃掉整个互联网才能变聪明。

但如果一个只读过1930年以前书的模型，经过一点点后训练就能写代码修bug……

那我们对「什么是智能」的理解，是不是也得重新想想？

4.5%的pass@1，放在今天的SOTA面前当然不够看。但它证明的那件事，比任何benchmark分数都重要。

一个1930年代的人，如果拥有几乎相同的教育体系，完全可以理解现代软件工程。

一百年前的数据量，加上正确的后训练方法，就足以产生现代意义上的推理。

智能的瓶颈，或许从来不在于预训练数据的多少。

你不需要一个训练过所有知识的模型，它只需要具备基本的语言理解能力，这就够了。

或许，当我们在Scaling路上一路狂奔的间隙，也可以稍微停一停，抬起头来跟身边人侃侃大山、扯扯淡——

诶，你说……

智能的本质，到底是什么？

GitHub：

https://github.com/RicardoDominguez/talkie-coder

参考链接：

[1]

https://x.com/rdolmedo_/status/2050665193374732430?s=20

[2]

https://github.com/RicardoDominguez/talkie-coder

_版权所有，未经授权不得以任何形式转载及使用，违者必究。_

GPT之父talkie-1930-13b微调软件工程师

![Image 10[衡宇](https://www.qbitai.com/author/hengyu "由 衡宇 发布")](http://www.qbitai.com/2026/05/412896.html#)

  • [消费级显卡可以快速上手跑！面壁智能MiniCPM-o 4.5发技术报告](https://www.qbitai.com/2026/04/410506.html "消费级显卡可以快速上手跑！面壁智能MiniCPM-o 4.5发技术报告")_2026-04-28_
  • [大厂AI抢人大战，从实习生开始](https://www.qbitai.com/2026/04/404470.html "大厂AI抢人大战，从实习生开始")_2026-04-22_
  • [Kimi新论文：把KVCache玩成新商业模式了](https://www.qbitai.com/2026/04/403528.html "Kimi新论文：把KVCache玩成新商业模式了")_2026-04-19_
  • [20亿美金苏度科技具身首秀即大招！0真机数据，zero-shot，跑出98%首次抓取成功率](https://www.qbitai.com/2026/04/403543.html "20亿美金苏度科技具身首秀即大招！0真机数据，zero-shot，跑出98%首次抓取成功率")_2026-04-20_

扫码分享至朋友圈

[](https://service.weibo.com/share/share.php?url=https://www.qbitai.com/2026/05/412896.html&title=%E4%B8%8D%E5%A5%BD%EF%BC%811930%E5%B9%B4%E7%9A%84AI%E9%83%BD%E6%9D%A5%E6%8A%A2%E7%A8%8B%E5%BA%8F%E5%91%98%E9%A5%AD%E7%A2%97%E4%BA%86&appkey=4017757111&searchPic=true&ralateUid=6105753431 "分享到新浪微博")[](http://www.qbitai.com/2026/05/412896.html)

相关阅读

Image 11
Image 11

#### 大模型恋爱神器！16种MBTI自由定制，北大ChatLaw团队出品

已开放32个大模型

明敏2024-01-13

北大微调

Image 12
Image 12

#### 比LoRA更高效！上交大&哈佛推出新微调框架，瞄准特定任务方向

微调需要的算力更少了

西风2024-09-16

AI大模型微调

Image 13
Image 13

#### 复旦邱锡鹏新作：单机微调650亿参数大模型，业内人士：对大模型普及意义重大

开源党狂喜

鱼羊2023-06-20

复旦微调邱锡鹏

Image 14
Image 14

#### 0代码微调大模型火了，只需5步，成本低至150块

背后公司已融110万美元

明敏2023-07-08

API平台微调生成式AI

Image 15
Image 15

#### 极少数据就能微调大模型，一文详解LoRA等方法的运作原理

要搞懂这2篇顶会论文

萧箫2023-07-18

LoRA大模型微调

Image 16
Image 16

#### 8块钱跑通一次强化学习全流程，潞晨云重塑微调赛道：1名算法工程师=1支Infra团队

国内首个！兼容Tinker范式且全面开放

邓思邈2026-01-07

大模型微调强化学习微调潞晨云潞晨科技

热门文章

![Image 17 #### Cursor 9秒删库搞崩公司，然后…写了份检讨 2026-04-28](https://www.qbitai.com/2026/04/410317.html)

![Image 18 #### 腾讯开源手机端离线翻译模型，仅0.4G，支持33种语言 2026-04-29](https://www.qbitai.com/2026/04/411186.html)

![Image 19 #### 全球瞩目！斑陌易行闪耀硅谷，T6 无人车开启商用新纪元 2026-04-29](https://www.qbitai.com/2026/04/411205.html)

![Image 20 #### 火速吃瓜：Kimi K2.6设计能力超越Claude Design 2026-04-29](https://www.qbitai.com/2026/04/411133.html)

![Image 21 #### 不卷参数卷架构，这个开源模型把图像理解和生成统一了 2026-04-29](https://www.qbitai.com/2026/04/410937.html)

扫码关注量子位 ![Image 22](javascript:void(0))[](https://weibo.com/qbitai?is_all=1)[](https://www.zhihu.com/org/liang-zi-wei-48/activities)[](https://www.toutiao.com/c/user/53624121633/#mid=1556041376883713)

[](http://www.qbitai.com/2026/05/412896.html#)追踪人工智能新趋势，报道科技行业新突破

量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1