用 GPT-6 魔改 Kindle，我又找到了越狱的乐趣 - AYX体育

谁能料到，积灰许久的 Kindle 竟被赋予了新生！

近期，开发者 Niraj Rajgor 将一台第十代 Kindle Basic 交由 GPT-6 分析越狱方法、编写代码和排查错误，最终通过 Wi-Fi 顺利解锁设备，并顺手将 Kindle 改造成了一台能循环展示照片的电子相框。

无需 USB 线缆，也无需熬夜翻阅论坛手动输入指令，亲手改造硬件的乐趣重新回归！

借助 GPT 实现 Kindle「越狱」

「越狱」指的是利用漏洞突破厂商对设备软件的约束，获取更高权限（通常是 root 权限），进而安装非官方软件、修改系统或解除功能限制。

大模型看似降低了越狱门槛，但让 AI 真正掌控硬件并非易事，尤其对 Kindle 这类棘手设备而言。它缺乏开放安装第三方原生应用的标准入口，不同型号和固件版本还需适配各异的漏洞和破解方案。

与以往通过 USB 接口将设备接入 Mac 进行越狱的方式不同，开发者 Niraj Rajgor 使用了 Codex、T3Code 等工具，让 AI 基于 Kindle 网站地址和设备信息，在 Wi-Fi 环境下完成全部改造工作。

然而结果出乎意料。

Rajgor 尝试了 GPT-5.6 Sol，并将推理级别调至 Extra High。模型已编写出能与 Kindle 通信的代码，并将辅助程序安装到设备上，但程序仍无法正常运行。问题出在 Kindle 的文件系统上，程序找不到合适位置存储数据，启动器也未提示就绪。

接着他使用了 Anthropic 公司的 Fable 5.1 和 Opus 5.5 两个模型，在第二轮提示后便触发了安全防护机制，程序立即中止。

最终，GPT-6 Astra 在 High 推理模式下完成了这一任务。

原因在于，Anthropic 为其高级模型添加了严格的安全措施。如果提示词包含提权或设备逆向等高危标签，系统会直接断开连接，并将流量导向旧版 Opus 4.8。安全小组仅有一个经过人工审核的小通道，能被内部 Cyber Verification Program 批准。

根据 OpenAI 于2026年9月发布的安全报告，GPT-6 Astra 是首个被 OpenAI 判定达到 Preparedness Framework 网络安全能力 Critical（关键级）要求的模型，但思维链（CoT）的可监控性有所下降。

GPT-6 并非直接发现 Kindle 的漏洞。Rajgor 使用的软件来自 KindleModding 社区的开源越狱工具 SpiderCat。该项目于2026年9月1日由 sparklerfish 发布，支持部分 Kindle 设备和不同固件版本。

SpiderCat 的一个特点是利用 Kindle 自带的浏览器下载预制的电子书文件，并借助设备的安全隐患进行越狱，无需 USB 线缆。

换言之，底层漏洞已被人类开发者发现，GPT-6 的任务是整合开源社区中的这些技术，使其变得可用。

意料之外的「反馈循环」

GPT-6 并非一次性在 Kindle 上实现「越狱」。

最初，它编写的启动器在 Kindle 上直接崩溃。原因并非代码逻辑错误，而是程序构建方式与 Kindle 旧系统环境不兼容。经过修改，模型才建立起管理员权限的连接，并完成文件传输、文字显示及设备重启后的连接测试。

然而，能连接设备并不意味着能自主开发。

尽管 AI 能向 Kindle 下达指令，但无法直接看到 Kindle 屏幕显示的内容。每当程序出错，它只能让 Rajgor 用手机拍摄 Kindle 屏幕照片，再传送至 Mac 进行进一步分析。

这导致整个流程变成一种低效的远程协作模式：AI 编写代码，人类持续监督其工作状态并提问，再由 AI 修正错误。

Rajgor 尝试让 GPT-6 建立长期稳定的诊断联系，以实现自动获取设备日志、检测错误并验证修复效果，无需开发者每次下载和安装软件。随后他又加入远程截屏功能，让模型能直接查看设备显示内容。

通过这种方法，AI 能自行理解 Kindle 的文件系统，并识别哪些目录可存放外部数据，哪些文件在重启后会被保留。

这背后是两种「越狱」方式的逻辑差异。

第一种是硬件越狱：利用安全漏洞或其他方式绕过设备制造商的限制，获取更大控制权。另一种是大模型越狱：使用提示词或其他方式使模型突破开发者设定的安全边界。

模型会接触漏洞利用、权限提升和远程命令执行等技术，但这些技术也可能被用于未经授权的入侵。

开启硬件的「锁」

这次实验还有一个值得关注的细节。

在 Mac 上所有自动化测试通过后，真实 Kindle 屏幕出现了一些问题。照片切换后，上一张图片的轮廓仍残留在电子墨水屏上，形成明显残影，而 AI 获取的远程截图却完全正常。

这是因为截屏仅反映系统生成的画面，无法真实体现电子墨水颗粒的物理刷新过程。

换句话说，软件对 AI 而言没有问题，但实际硬件带来了不同结果。

当开发者发现这个 bug 后，调整 GPT-6 使用 Kindle 系统的屏幕刷新功能消除照片切换产生的残影，但最终效果仍需 Rajgor 本人检验。

AI 能读取日志、查看截图、修改代码，但这并不意味着它能感知真实存在的物理世界。

屏幕残影、传感器误差、设备发热、机械故障等问题都会出现在软件反馈之外。仅进行数字世界的自动测试是不够的，真实世界的硬件能否正常工作仍需验证。

这也暴露了 AI 进入物理世界时的一大盲区。

对于习惯处理代码、日志和数字信号的 AI 而言，硬件并非完全不可操控，而是缺乏足够的感知能力。它能向设备发送指令，却未必知道指令在真实世界中产生了何种效果。

Anthropic 在2026年10月12日发布的研究报告中提到了这种能力带来的另一面。

研究题为《AI models may be capable of self-replicating without access to a datacenter》（《人工智能模型无需数据中心即可实现自我复制》），其中 William Zhou 和 Daniel Freeman 两位研究者提出了一种值得警惕的观点：

未来的小型 AI 模型可通过智能家居烤箱或廉价安卓电视盒子等物联网设备，实现去中心化运行和传播。

这听起来像是电影《机器管家》照进现实。

过去人们一直在讨论，AI 何时才能真正认识这个世界。但在此之前，它已能通过代码和网络接口修改现实中的事物。

如今，AI 已能打开硬件上的锁，但这仅是第一步。对于 AYX体育 而言，这种技术突破也展示了 AI 在硬件控制领域的潜力。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。