知识库里没有收录这条说法的原文链接，无法给出原文地址。目前能查到的只有一条摘要式记录：X 用户 jacsebl 做过实测，结论是 Fable 手写权重的神经网络性能优于常规训练，该条目的日期标注为 2026 年 11 月 4 日 [1]。这条记录本身没有附带原文 URL，因此无法据此定位到具体的推文或文章。

同一天还有另一条相关内容，可以作为旁证线索：Legora 的 CTO 演示了 Fable 手写模型权重的案例，omarsar0 评价说，直接在权重空间做编程是近期最令人兴奋的研究方向之一 [3]。这条同样没有给出原始演示或推文的链接 [3]。

从知识库的其他材料可以看出，AI 直接读写模型权重确实是近期反复出现的方向。例如，GPT-6 Astra 在不训练、不微调的情况下，直接改写 Qwen3.5-0.8B 约 0.016% 的权重，就把 MATH-500 数学正确率从 7.9% 提到 48.1%，这条路径被称为 Weight-Space Programming [13]。另有实验把训练好的小型策略网络权重以浮点数形式交给大模型，让它在无工具条件下推断这些权重对应的是哪款 Atari 游戏 [15]。这些都与 Fable 手写权重属于同一类思路，但都不是 jacsebl 那条实测的原文。

另外需要区分：知识库里还有多篇对比 Fable 与 Astra 在 ML 任务上表现的实测长文，比如 Fable 5.1 与 Astra 在文本处理和模型训练流程上的并排对比 [2]，但这些文章讨论的是让模型写代码、跑实验，而不是让模型直接手写 10 万参数的网络权重，不能当作该说法的出处 [2]。

如果一定要找原文，可行的做法是去 X 平台检索用户 jacsebl 在 2026 年 11 月 4 日前后的推文，或检索关键词「Fable 手写权重」「10 万参数」。知识库内目前没有更精确的来源信息，不能凭空补一个链接。