AREX Feed Article
Brin 称 Google 开始踏上「RSI 跑步机」，DeepMind 报告称 AI 研发端到端未见显著加速
据 与 报道，Google 上周三（10 月 14 日）公开了一段关于 Gemini 4 Argon 的圆桌讨论视频。联合创始人 Sergey Brin 在谈到 Gemini 4 之前几代 Flash 模型时说，Google「正开始踏上那条 RSI 跑步机」（starting to get onto that RSI treadmill）。RSI 指递归自我改进，即用 AI 帮助构建更好的 AI。
同月，Google DeepMind 为 Argon 发布的给出另一组判断：报告称「AI 研发没有出现显著的端到端加速，无论是否由 AI 驱动」，并把 AI 驱动的 AI 研发风险评为「当前较低」。这份报告还披露，Google DeepMind 多数生产代码（超过 75%）已由 AI 编写，完全委派给 AI 的拉取请求占比从 4 月的 7.5% 升到 9 月的 11.9%。
发布节奏，是 Brin 给出的证据
这段视频题为「Gemini 4 Argon: What's new and what's next」，发布在 Google for Developers 频道，由 Logan Kilpatrick 主持，同席的是 Josh Woodward、Tulsee Doshi 和 Melvin Johnson。Argon 在此前一天、也就是 10 月 13 日，是 Gemini 4 系列的第一个模型。
「现在，我们的研究人员和模型携手打造下一个版本的模型。」Brin 在同一场对话中说。他指向的是发布节奏：据 Business Insider 报道，他举出 Gemini 4 之前 Google 陆续发布的几代 Flash 模型，认为这说明了加速正在发生。他另外提到，等到观众看到这段视频，Google 内部已经领先两代模型；这是关于时间表的判断。
那句「携手」说的是一种分工：模型不只是被研究的对象，也参与制造下一个模型。
代码、拉取请求与人工轮次
为了解 AI 研发自动化的现状，报告调查了 12 位深度参与前沿模型开发的资深负责人和研究者，覆盖软件工程、数据整理、评测与训练环境、实验执行与分析、内核优化、数据中心运营和芯片设计。报告的结论是，自动化在定义清晰、可验证的执行任务上最高，在开放式科学构想和长周期研究判断上最低。
原文的措辞是：「AI 智能体现在扮演高杠杆的助手，编写了大部分生产代码和缺陷修复，不过代码改动在提交前仍需人工审查。」
报告同时给出了自动化的边界：仍有约 88% 的拉取请求需要多轮人工引导，或者由人亲自写代码。这些数字来自 Google 对自家流程的统计。
图 3.15 用的是另一个分母：纵轴是拉取请求占比。9 月，45.0% 的拉取请求里有超过 75% 的代码由 AI 写成，完全没有 AI 代码的占 3.1%。按图例，最底层那一档对应「100% 代码由 AI 编写、人工轮次少于 3 次」，也就是报告所说的完全委派。
92 项基准拼出的曲线，拐点没通过显著性检验
Google 用一套名为 GCI v1 的内部指数衡量「端到端」加速。它把 123 个内外部模型在 92 项基准上的分数拟合成每个模型一个能力标量，基准覆盖编程与软件工程、智能体工具使用、推理、科学、数学、事实性与搜索、指令遵循、用户偏好、多模态理解和长上下文检索。统计模型在独立的 bootstrap 重采样上重拟合 200 次，用来给出置信区间。
以 2026 年 4 月 1 日为断点做铰链回归，断点前的斜率是每月 0.091 点，95% 置信区间为 0.071～0.108；断点后是每月 0.118 点，区间为 0.053～0.171。报告的结论是「没有观察到统计上显著的差异」。把内部前沿模型也计入，两个斜率变成 0.097 和 0.107，同样不显著。作为参照，报告给出的长期速度约为每月 0.1 点。
无论是否设断点，Argon 都高于趋势线。Google 对此的猜测是，组织投入增加和训练算力增加，而非 AI 驱动的加速。
一半的题，和「接近满分」的门槛
Google 为自我改进设了两项 ML R&D 门槛。报告在威胁模型里描述的风险是：如果 AI 在 AI 研发上足够强，可能启动一个反馈回路，让能力提升快过安全、治理和社会适应。
报告用内部 ML R&D 基准 GRB 衡量自动化的上限。Argon 解出约一半的题，而按报告的定义，完全自动化需要接近满分的成绩。为了给评测环境的 bug 留出余量，Google 把安全边际设在 90%。两项 ML R&D 关键能力门槛（加速与自动化）都被判定为未达到。
报告对 Argon 的评语是：它能完成单个编程任务，但缺乏在没有人工介入的情况下把它们串成端到端研究工作流的能力。另一处写得更直接：选择高层研究方向、设计新实验、在复杂代码库里诊断细微的训练不稳定，仍然依赖人。
这也解释了 Brin 的话与报告结论为何能同时成立。报告的说法是，端到端进度仍被其他因素卡住，写代码这一环的自动化不会直接改变整体斜率；Brin 描述的是流程内部的分工变化。两者指向的时间尺度不同：分工已经在变，能力曲线的斜率还没变。
「飞轮换到了新的一挡」
Vihan Jain 在 Google DeepMind 共同负责 Gemini 的 RSI 与 AI for Science 工作。10 月 15 日，他在 ，Argon 这个故事里他最喜欢的部分，是模型如此深地嵌入了自己的演化过程，从审查自己的训练数据，到用 100 万 token 的单步输出解锁深度推理轨迹。「当你的后训练需求从申请裸芯片变成申请 Argon 配额时，你就知道 RSI 飞轮已经换到了新的一挡。」
一天前，Gladstone AI 发布了一份基于与 Anthropic、OpenAI 和 Google DeepMind 研究者访谈的，其中写道多数受访研究者认为 RSI 会在未来 3～12 个月内开始，前提是美国政府不干预、不要求放缓。这与 Google 报告的结论口径不同，但问的并不是同一件事：一边是 Google 内部指数的斜率，一边是从业者对拐点的预期。
报告对 Argon 高于趋势的解释仍是推测。接下来能看的指标有两个：GCI 的斜率是否继续抬高，以及 GRB 上能解出多少题。后者的现状是约一半，而报告设定的自动化门槛接近满分。