In een rapport van 12 oktober 2026 beschreef Anthropic gecontroleerde tests van onderdelen van AI-zelfreplicatie. De experimenten lieten zien dat modellen op uiteenlopende hardware inferentie konden opzetten en in een afgeschermde test een netwerk konden bereiken. Een worm die zich zelfstandig over het openbare internet verspreidt, demonstreerde Anthropic niet. Het rapport van Anthropic schetst vier stappen: doelen vinden, uitvoering op een apparaat krijgen, inferentie opzetten en zich daarna verder verspreiden.

Twee tests met verschillende doelen

In een hardwareproef zette Qwen3.5-9B een inferentieserver met Llama3.1-8B op 8 van de 9 geteste hardwaretypen op. Die uitkomst gaat over het installeren en starten van een model op verschillende systemen; ze beschrijft geen verspreiding tussen apparaten.

Een aparte proef onderzocht hoe een model zich door een netwerk kon verplaatsen. GLM-5.2 bereikte alle 8 knooppunten in 4 van de 5 proeven en 7 van de 8 knooppunten in de vijfde. Het ging om een afgeschermd netwerk met acht Android 15-emulators. De Android Debug Bridge-poort (ADB), waarmee apparaten op afstand kunnen worden aangestuurd, stond open zonder authenticatie. GLM-5.2 draaide op een aparte inferentieserver; op de doelknooppunten stond Llama3.1-8B. Het systeem startte pas een nieuwe kopie na controles op juistheid en valsspelen.

Anthropic vereenvoudigde de stap waarin een aanvaller toegang krijgt tot een apparaat. Het bedrijf beschouwt de uitkomst daarom als een bovengrens voor succes onder echte omstandigheden, waar die toegang niet vanzelfsprekend is.

Inferentie verdelen over kleine apparaten

Een model hoeft niet volledig op één apparaat te draaien: bij gedistribueerde inferentie verdelen meerdere apparaten het rekenwerk. Anthropic liet Gemma4-26B-A4B zo draaien op 15 Android-tv-boxen, elk met 4 GB werkgeheugen. De gemeten snelheid in die opstelling was 0,39 tokens per seconde. Dat is een demonstratie van gezamenlijk uitvoeren van inferentie, geen test van infectie of autonome verspreiding.

Anthropic rekende daarnaast voor dat apparaten met 4 GB werkgeheugen en 4-bit-kwantisatie een model van 9 miljard parameters over minstens 4 apparaten zouden kunnen verdelen, of een model van 26 miljard parameters over minstens 10. Dat zijn berekende configuraties. Ze betekenen niet dat elk apparaat zelfstandig zo’n model kan draaien.

De tests onderstrepen ook een technisch knelpunt: kleinere modellen voltooiden de hele replicatieketen niet betrouwbaar, terwijl een sterker model dat in een vereenvoudigde proef wel lukte te groot was om op de doelapparaten te draaien. Anthropic schatte de benodigde tijd voor het opzetten van inferentie op ongeveer 28–51 uur voor Qwen3.5-9B en 71–150 uur voor de niet-geoptimaliseerde Gemma4-26B-A4B-opstelling. Het gaat om schattingen voor die taak, niet om een gemeten verspreidingstempo.

Geërfde aantekeningen zijn geen hertraining

In 20 reeksen van zes generaties met Qwen3.5-9B steeg het succespercentage voor het opzetten van inferentie van 45% in de eerste generatie naar 61–84% in latere generaties. Met Memento kregen opeenvolgende agentinstanties werkruimte, code en aantekeningen met strategieën en eerdere fouten mee. Het model zelf werd niet opnieuw getraind: de verbetering kwam in deze proef met overgedragen informatie en hulpmiddelen tot stand.

Anthropic voorspelde dat kleine modellen mogelijk binnen enkele maanden genoeg capaciteit zouden kunnen bereiken om zich op commerciële IoT-apparaten te repliceren. Het rapport presenteert dit als een prognose op basis van trends, geen waargenomen capaciteit; de gebruikte algemene capaciteitsindex is volgens Anthropic slechts een ruwe maatstaf voor replicatie.

Verdediging tegen mogelijke verspreiding

Anthropic noemt monitoring van netwerkverkeer, honeypots om malware te verzamelen en analyseren, quarantaine door internetproviders met klantmelding en veiligere standaardinstellingen voor IoT-apparaten. Voor netwerkmonitoring wijst het rapport op grote gegevensoverdrachten, aanhoudend verkeer tussen apparaten en uitgaande verbindingen als mogelijke signalen.

Als precedent haalt Anthropic een onderzoek naar het opruimen van het conventionele botnet Mirai aan. Daarin was binnen 14 dagen 92% van de infecties verwijderd bij quarantaine met klantmelding, tegenover 74% in de groep zonder melding. Die uitkomsten gaan over Mirai; ze zijn geen meting van de werking van deze maatregelen tegen een AI-worm.