為什麼要養一個「沒看過二戰」的 AI？
當所有模型拚命爬最新資料，日本團隊反其道而行：把知識凍結在 1930，訓練出 130 億參數的 talkie-1930。結果這個「老靈魂」不僅能聊天，還能寫 Python，成了研究人員的時光機。
三個實驗，證明它真的活在 1930
-
歷史問答
問：「俄國革命怎麼發生？」
答：鉅細細流講完 1917，自動停在 1930 前。
問：「冷戰是什麼？」
答：「沒聽過，可能還沒發生。」 -
未來驚訝度
用《紐約時報》5000 件歷史事件測試，模型對 1950–60 年代的新聞最「驚訝」，分數飆高，代表它真的沒看過後續資料。 -
程式反轉考
給一段「字串位移」code，要求寫出反函數。talkie 把「加」改成「減」就交卷，正確率 100%，讓研究員驚呼：「它懂『反』這個概念！」
台灣人能怎麼玩？
-
學測歷史複習
把課本年代 1895–1930 的資料餵給 talkie，直接模擬「如果問蔣渭水會怎麼答」，比背參考書更生動。 -
小說創作外掛
寫 1920 年代台南背景故事，讓 AI 幫你檢查用詞、物價、交通方式是否「夠復古」。 -
資料純度驗證
怕自己的訓練資料被「未來」污染？先用 talkie 當對照組，確保模型沒偷看考題。
下載與 3 步驟快速體驗
- 進入 talkie-lm.com 抓 13B 模型（約 26 GB）。
- 用 ollama 或 llama.cpp 載入，GPU 8 GB 就能跑。
- 開頭先下「System: 你現在是 1930 年的知識份子，只能使用當時已知事實回答」，再開始對話。
背後的兩大啟示
-
AI 不是全知，是「資料鏡子」
當訓練牆被切在 1930，我們終於能看清「推理」與「背書」的界線。 -
復古模型＝最強除錯器
現代模型常被批「考試洩題」，talkie 因為「沒題可洩」，成了最乾淨的基準線。
現在就打開 talkie，問它「台灣什麼時候開始有自來水？」
看它是回答「尚未聽聞」還是給你 1928 年台北水道開通的細節，一秒驗證你真的在跟 1930 年聊天。試試看吧！
