一句话看懂：开发者 kerlenton 发布了 bootgpt：主引导记录（MBR）里是 512 字节手写汇编，从后续 23 个扇区加载一个 11.5 KB 的 int8 模型，在 386 的 16 位实模式下运行，专用来“幻觉”一段 Linux 启动日志——没有操作系统、没有 C 运行时。
事件核心：发生了什么
根据项目仓库（发布时间 2026 年 11 月 2 日），bootgpt 把整个推理引擎放进 510 字节的 MBR 里，权重、词表和字符串则放在紧邻的数据扇区。模型只有字符级输入、8 字符上下文和一个隐藏层，训练目标是生成 dmesg 风格的启动日志：时间戳、PCI 地址、ACPI 事件，甚至 Linux 内核版本号都像模像样，但对应硬件往往并不存在。训练脚本把模型量化为 int8 并用 2 的幂次缩放，让引导扇区能用 imul 和一次 idiv 完成前向计算；作者还模拟了汇编端完全相同的整数运算与采样逻辑，保证 Python 输出与实机输出逐字符一致。前作包括 512 字节内的国际象棋、操作系统和 BASIC 解释器，以及从 1.2 KB 实模式汇编启动 llama2 变体的 sectorllm。
为什么重要
这条新闻的价值不在“小模型能做什么”，而在于把推理的边界推到了极端受限的硬件环境：没有操作系统、没有运行时、没有通用内存管理，全部依赖 16 位实模式与 BIOS 中断。它说明大模型推理的工程门槛并不只由算力决定，量化和整数化能把推理压缩到以 KB 计的空间。对照当前行业对大模型、算力和 GPU 的追逐，bootgpt 提供的是一个反向极端样本：模型不是通用对话或图像生成工具，而是为单一任务定制的微型字符网络，训练和推理都在最小闭环内完成。开源仓库让这一路径可复现，对关注端侧、嵌入式和极端环境部署的开发者有参考意义。
对用户/开发者/创作者的影响
对普通用户，它更像一个技术演示，不是可日常使用的 AI 产品。对开发者，值得关注的是它的工程方法：用语料生成器造出大量重复的假启动日志，让极小模型在固定格式上显得“像真的”；int8 量化配合 2 的幂次缩放，使汇编端能做整数推理；训练端模拟汇编数学，做逐字符对齐验证。这套思路可迁移到固件、引导程序或资源受限设备的轻量推理实验。创作者则可以把它当作“AI 幻觉”的具象化案例：模型输出的 PCI 地址和 ACPI 事件看似真实，实则由统计模式生成，提示读者对生成内容保持核查习惯。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是社区是否跟进，在 UEFI 或更大引导环境里尝试类似的小模型；二是作者提到的构建流程和 QEMU 录制脚本能否被更多人复现，进而形成教学或实验项目；三是这一思路是否会出现在嵌入式或安全研究场景中，例如生成仿真日志用于测试。目前公开信息显示，该项目定位是技术演示，尚无产品化或商业化计划。
来源：github.com
