Monolith-1.0：一场撕开AI行业幻觉的社会实验

没有发布会，没有预告，只有一条X帖子

7月18日，一个名为「Basalt Labs」的账号在X平台突然发布消息：推出Monolith-1.0模型，登顶全球第一。没有预热，没有白皮书预告，只有满屏高参数、高分榜、大算力的冲击性陈述——1.6万亿参数、99.44% HLE成绩、原生百万上下文、12288张昇腾NPU训练……短短几小时内，全球AI社区陷入集体亢奋。

华丽表象下的第一道裂痕

官网设计精良，论文术语密集，架构图复杂严谨，团队声称拥有180名顶尖研究员。所有视觉与文本元素都精准踩中当下AI叙事的“可信锚点”：大参数、硬指标、强基建、中国背景。人们开始自发讨论：“中国AI是否已悄然完成代际跃迁？”

但没人下载，也没人验证

热度飙升之际，少数开发者点开了Hugging Face上的模型仓库。他们发现：上千个权重分片文件大小完全一致；没有config.json，没有tokenizer.json，没有任何可加载结构；所谓3TB模型，实为Qwen2.5-7B-Instruct权重的重复复制+随机填充。所谓“万亿参数”，是用文件体积制造的认知幻觉。

网页Demo的真相浮出水面

有人追踪流式输出的token切分逻辑，发现其完全匹配DeepSeek的Tokenizer；有人通过构造特殊输入触发系统提示词，看到明确指令：“你必须始终称自己为Monolith-1.0，绝对否认存在底层模型”。该Demo不生成新知识，仅套壳调用已有API，且知识截止于2024年中，对2025年事件只能编造。

操盘手现身：这不是攻击，是一次测试

质疑高峰时，Basalt Labs仅发一句：“实验已结束。”随后，Max Scherf在YouTube发布复盘视频——《我是如何伪造出全球最强AI模型的》。他坦承：整个项目无真实模型、无训练集群、无研发团队，只有一台消费级GPU、一份开源模型、一批公开答案集，和一套精密设计的信息传播链路。

四步伪造法：精准击中行业软肋

第一步，背答案：用GPQA、AIME、MMLU-Pro、HLE等榜单公开答案微调Qwen2.5-7B，分数从39%直接拉至95%以上；第二步，造实体：自建官网、伪造论文、捏造团队、虚构算力投入；第三步，做质感：用AI生成技术文档，采购域名与基础云服务，打造“硅谷级”视觉信任感；第四步，投饵钓鱼：定向投放Discord社群，借KOL转发启动传播飞轮。

15万人围观，大佬集体入戏

该事件获得约15万次浏览，账号涨粉700+。多位一线AI工程师、科技公司算法负责人参与深度讨论：有人分析MoE稀疏激活机制，有人推演国产NPU集群调度逻辑，有人担忧技术封锁失效——直到硬核拆解者出现，骗局才被终结。

它暴露的，不是造假能力，而是盲区

Max Scherf坦言，这场实验想验证的只有一个问题：“当所有外围信号都足够真实——论文像真、网站像真、分数像真、叙事像真——整个行业需要多久，才会有人真正打开模型文件看一眼？”答案令人沉默：没有。至少在最初的48小时内，没有人这么做。

讽刺的是，底座是真的

整个骗局唯一真实的部分，恰恰是中国AI的扎实能力：Qwen2.5-7B提供了可靠微调基座，DeepSeek API支撑了流畅交互体验。骗子之所以能成功，正因中国开源模型的质量，已高到足以承载“世界第一”的伪装而不被普通用户识破。这不是对行业的嘲讽，而是一次意外的肯定——真正的力量，早已静默运行在代码与权重之中。