Simon Willison 在 2026 年 11 月 3 日发文称，他在笔记本上运行 Qwen 3.8 27B，不借助工具，仅凭神经网络的原始权重，识别出了 Pac-Man、Pong 和 Breakout。这次测试将「从权重判断模型用途」的实验带到了本地模型上，但第四款游戏 Freeway 未被正确识别。
测试源于《Sparks of Weight-Space Programming》，作者为 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab。Willison 将其称为前一天的热门论文，同时指出，作者自己将它归类为博客文章。
据 Willison 介绍，研究者训练了四个神经网络，分别玩简化的 10 × 10 网格版 Breakout、Pong、Pac-Man 和 Freeway，再把权重以浮点数形式交给大语言模型，要求模型判断网络接受了哪款游戏的训练。提示明确禁止代码执行、计算器等工具，并要求单次回答。Willison 检查后称，四份提示除权重外，其他内容相同。
据 Willison 的个人测试，他使用的 Qwen 3.8 27B 版本约为 17 GB，通过 LM Studio 运行。默认的 8192 上下文设置会报错，因此他改用了更长的上下文窗口，并调整了调用超时设置。
识别 Pac-Man 用了 46 分 12 秒，产生 43,506 个推理 token，模型自报把握为 72%；识别 Pong 用了 1 小时 4 分 54 秒，自报把握为 75%；识别 Breakout 用了 52 分 25 秒，自报把握为 88%。这些百分比来自模型回答中的自评。
Freeway 则被误认成类似 Pac-Man 的简化网格游戏。Willison 认为，Freeway 比另外三款游戏更冷门。他还通过 OpenRouter 测试了 Kimi K3.1 Pro：该模型识别出 Breakout，用时 9 分 41 秒，产生 19,493 个推理 token。
文章也转述了研究摘要中的另一项结果：据研究作者报告，GPT-6 Astra 直接修改 Qwen3.5-0.8B 约 0.016% 的权重后，在相同采样设置下，将 MATH-500 成绩从 7.9% 提升到 48.1%，IFEval 成绩提升至原来的 3 倍。
Willison 强调，不运行工具或代码来解读权重，与借助代码更新、改善其他模型，是应当分别讨论的两个问题。spaCy 作者 Matthew Honnibal 批评该研究将二者混为一谈，具有误导性；Sean Goedecke 对修改 Qwen3.5-0.8B 的案例进行拆解后，认为其步骤与人类机器学习研究者会采用的步骤相同。
Willison 表示，经验足够的人借助纸笔、投入足够精力，也可能完成这种权重解读。他尚不准备据此宣告源代码时代已经结束。
