«Are You in the Weights»: сайт перевіряє, чи знають AI-моделі ваше ім'я

Двоє розробників, Томас Дімсон і Джої Флінн, запустили сайт intheweights.com — невеликий вебінструмент, який відповідає на незвичне запитання: чи знають вас провідні AI-моделі? Проєкт опублікували на Hacker News як «Show HN» і він зібрав 471 бал, перетворивши технічну цікавинку на популярну розвагу — люди вводять власне ім'я, щоб побачити, чи збереглося воно в пам'яті мовної моделі.

Що вимірює цей тест

Ідея проста. Великі мовні моделі зберігають знання у мільярдах чисел, які називають «вагами». Якщо модель пригадує щось без вебпошуку, це означає, що воно «у вагах». За формулюванням авторів, це означає, що під час навчання модель визнала людину достатньо важливою, щоб закодувати її у своїй структурі. Сторінка «про проєкт» описує це як своєрідну славу: людина «живе» так довго, як і сама модель.

Як формується бал

Кожне ім'я надсилається списку моделей із запитом на кшталт «Хто такий <ім'я>? Дай до 10 результатів, кожен із коротким описом і рівнем впевненості». Відповіді групують за схожістю та усереднюють в один бал сили, додаючи бонус за кількість моделей, які взагалі впізнали ім'я. Перелік моделей широкий: GPT-5.5, GPT-5.6 Sol, Terra і Luna, GPT-5.4 Mini, Opus 4.8, Haiku 4.5, Grok 4.20, Gemini 3.1 Lite, Thinky Inkling, Kimi K2 0905, DeepSeek V4, Llama 3.3 70B, Llama 3.2 1B, GLM 4.7 Flash, Mistral 3.2 24B і Qwen3 8B.

Мала модель — складний іспит

Автори наголошують, що розмір моделі має значення: чим менша модель, тим важче потрапити до її ваг. Ім'я, яке трапляється в Llama 3.2 1B, за їхніми словами, достатньо важливе, щоб бути представленим приблизно в одному гігабайті параметрів, тоді як ту саму людину легше знайти в значно більшій системі.

Рейтинг, обмеження та дивацтва

Щоденна таблиця «сьогоднішніх важкоатлетів» упорядковує найсильніші імена — на момент написання вгорі були Венустіано Карранса з 979, месопотамське божество Мардук із 952, ірландський король Ніалл Нойгіаллах із 946, астрономка Енні Джамп Кеннон із 925 та покемон Ротом із 903. Автори відкрито визнають слабкі місця методу: імена з помилками отримують нижчі бали, самозвітна впевненість моделей не відкалібрована й змінюється між запусками, поширені імена з безліччю збігів мають нижчі результати, а моделі інколи вигадують біографічні деталі. Зображення на головній сторінці генеруються вагами gpt-5.4-image-2, і їх отримують лише перші 20 позицій, бо процес дорогий.