最近把之前关于压缩的各种折腾整理成了一篇长文,发在博客上,想搬来论坛和大家聊聊。一开始只是想给博客离线包找更强的压缩算法:7-Zip 的 LZMA2 已经很能打,但我不信邪,又试了 ZPAQ 、PAQ8PX 、NNCP 、cmix 。
结果挺有意思: ZPAQ :一分钟左右把 16MiB 压到约 3.5MiB ,老算法但速度和压缩比还挺平衡; PAQ8PX :压到约 3.1MiB ,本次冠军,但花了一个半小时、吃了 30GiB 内存,解压同样痛苦; NNCP :FFmpeg 作者 Fabrice Bellard 的 Transformer 压缩算法,RTX 4090 上跑了一个半小时,结果 4.1MiB ,还没 LZMA2 高; cmix :测试时压到一半崩溃,内存和耗时也很夸张。结论大概是: 追求极限压缩比,PAQ8PX 很强;日常使用,LZMA2 的 7-Zip 依然是最稳的选择;想在小文件上再挤一点,ZPAQ 可以试试。
更有意思的是后半篇:继续折腾“自包含压缩包 / Quine 压缩包”——也就是压缩包里包含一份和自身字节完全相同的副本。之前做过 7z Quine ,这次又让 AI 研究了: zstd Quine :利用可跳过帧、RAW block 和 XXH64 校验值构造,最终做成 .tar.zst ,Windows 资源管理器也能直接打开;文章里附了完整生成代码; ZIP Quine :利用成员数据重叠绕过窗口限制,7-Zip 和 libarchive 能正常解压,但 Python zipfile 会因为检查压缩数据越过后续局部头而报错,算是一点兼容性代价;文章里也附了生成器; RAR Quine :原理上也能做,AI 也生成出来了,但因为 RAR 不是开源软件,文章里只放了生成后的样例供研究。
文章里还有一段让我挺感慨的:这些代码我基本看不懂,但 AI 就是能把问题解决。复杂格式、校验值构造、兼容性坑,全都硬啃下来了。
于是最后也忍不住写了点关于 AI 和“记录还有没有意义”的感想。原文在这里: 《关于压缩的各种探索》 感兴趣的朋友可以聊聊: 你用过最离谱但确实有效的压缩算法是什么?
极限压缩比和可用性之间,你会怎么选?对这种“压缩包包含自身”的 Quine 玩法,有没有其他格式可以继续挑战?
AI 生成这种复杂但能跑的代码,你觉得是解放生产力,还是让人越来越看不懂基础设施?欢迎拍砖、补充算法和格式,也欢迎试试文中的 zstd/ZIP 生成器~