2026 年 11 月 1 日，開發者 unmayx 在 V2EX 發布了一篇整理自身壓縮實驗的長文摘要，主題分成兩段：前半段是拿幾套壓縮演算法互相比拚，後半段則是玩了一個聽起來像悖論的東西，做一個「包含自己完整位元組副本」的壓縮包，也就是 Quine 壓縮包。
先把實驗數據擺出來。同一份 16MiB 的部落格離線包，7-Zip 預設使用的 LZMA2 是基準線；ZPAQ 花約一分鐘壓到 3.5MiB；PAQ8PX 壓到約 3.1MiB，是這輪冠軍，但代價是一個半小時的時間與 30GiB 記憶體，解壓同樣辛苦；FFmpeg 作者 Fabrice Bellard 的 NNCP 在 RTX 4090 上跑了一個半小時，結果是 4.1MiB，反而輸給 LZMA2；cmix 則在測試中途崩潰。
作者的結論很務實：追求極限壓縮比選 PAQ8PX，日常使用 LZMA2 依然最穩，小檔案想再擠一點可以試 ZPAQ。
壓縮為什麼有極限
用日常比喻來說，壓縮就像搬家時整理行李。衣服可以真空壓縮、書本可以堆疊，但一幅已經裱好的畫，你再怎麼擠也省不了空間。資料也一樣：能壓的是「重複與規律」，越是接近隨機雜訊的內容，越壓不動。
這正是評論區一位網友點出的核心：香農的資訊論早就劃出了壓縮的理論極限。一段資訊的「熵」決定了它最少需要多少位元來表示。PAQ8PX 之所以能贏，是因為它用極重的模型去預測資料的統計規律，而那份運算與記憶體開銷，就是買壓縮比付出的價錢。LZMA2 則是在速度、記憶體與壓縮比之間取了一個工程上合理的平衡點，這也是它二十多年來仍是日常工具箱主力的原因。
壓縮包裝著自己，怎麼可能
後半段的 Quine 壓縮包，概念來自程式語言裡的「自產生程式」：一段程式執行後印出的結果，就是它自己的原始碼。套到壓縮包上，就是這個檔案解開之後，裡面有一份和自己位元組完全相同的副本。
這件事為什麼難？可以把壓縮包想成一封信封，信封上有收件人格式、有校驗印章，內容物要塞進一份「這封信封自己的完整照片」。照片裡又包含信封，信封裡又有照片，無窮反射。實際的做法是靠定點疊代：先猜一個內容，計算整個檔案會長成什麼樣，再回頭修正，直到猜的內容和產出的檔案完全一致。中間還要處理各種格式特有的麻煩。
作者這次嘗試了三種格式。zstd 的版本利用可跳過框架、RAW block 與 XXH64 校驗值構造，最終做成 .tar.zst，連 Windows 檔案總管都能直接打開，並附上完整生成程式碼。ZIP 的版本利用成員資料重疊繞過視窗限制，7-Zip 與 libarchive 都能正常解壓，但 Python 的 zipfile 會因為壓縮資料越過後續局部檔頭而報錯，這是相容性上的代價。RAR 原理上也可行，但因為 RAR 並非開源軟體，文章只放了生成後的樣本供研究。
看不懂的程式碼，與 AI 的角色
這篇分享裡最值得停下來看的一段，是作者自己的坦白：這些構造程式碼他基本看不懂，但 AI 就是能把問題解決。複雜格式、校驗值構造、相容性的坑，全部被 AI 硬啃了下來。
這個現象並不孤單。面試官開始專門考工程師「AI 工具怎麼用」，也有人讓兩個 AI 模型互寫互審程式碼，把 AI 自審容易放水的問題交給另一個模型把關。當基礎設施層的程式碼越來越常由 AI 生成，而人類逐步退到「驗收結果」的位置，作者在文末自問「記錄還有沒有意義」，其實問的是同一件事：當你能用但不理解，這些知識算是你的嗎？
歷史給過一個參照。兩百年前自動織機問世時，織工的技能價格先被壓低，職業本身並未立刻消失。今天 AI 寫出人看不懂的壓縮構造器，情況有點像：技能的擁有者換了，但「判斷結果對不對」的需求還在人這邊。作者能發現 Python zipfile 會報錯、能確認 7-Zip 能解，這種驗證能力目前仍是 AI 產出的必要配套。
所以呢
對一般使用者，這篇實驗的可用結論很短：日常壓縮交給 LZMA2 或 zstd 就好，極限壓縮是特定場景（長期冷存檔、頻寬極貴的傳輸）才值得付出時間與記憶體的選項。
至於 Quine 壓縮包，它沒有實用價值，比較像格式玩家的高難度動作。但它示範了兩件事：一是 zstd、ZIP、RAR 這些我們每天經過的格式，內部其實留著許多設計上的縫隙，能被拿來做格式手術；二是這種縫隙級的工程，如今一個看不懂細節的人靠 AI 也能完成。後者對基礎設施軟體的維護與安全，可能比前者更值得留意。