
AI竞赛中谷歌的异常安静与突然现身的神秘模型
前几个月,OpenAI和Anthropic轮番把旗舰模型往前推,谷歌却显得异常安静。Flash几乎3周一更,3.6、3.7、3.8连续往前,但代表最高能力上限的Pro迟迟没有动静。直到这两天,大模型盲测竞技场Arena里,突然冒出一个挂着gemini - 3.8 - flash名字的模型。开发者上手后发现不对劲,真正的Gemini 3.8 Flash已发布,大家对它的水平心里有数,可这个“3.8 Flash”,写代码、做SVG、跑Agent,表现明显更上一层楼。
几轮实测后,一个猜测迅速扩散:这个模型很有可能是谷歌藏在标签后面的下一代旗舰——Gemini 4 Pro。紧接着,一张更夸张的benchmark对比图开始疯传,编码、Agent、推理等多项成绩都把GPT - 6 Astra和Claude Fable压在下面。我就纳闷了,这谷歌之前悄无声息,现在突然冒出这么个厉害的疑似模型,是早就憋了大招吗?
疑似Gemini 4 Pro的实测表现与线索
9月2日,Google刚正式发布Gemini 3.8 Flash,官方称这是Gemini 3系列最新一代Flash,在软件工程、Agent任务和复杂多步推理上都有明显提升,且从3.7 Flash到3.8 Flash只隔了三周。所以,当Arena里又出现同样挂着gemini - 3.8 - flash名字的模型时,开发者很快察觉到异常。真正的3.8 Flash有现成参照物,而这个模型明显更强,分明是Pro模型才有的实力。
最早引发传播的一批实测集中在SVG、网页和3D场景上。开发者Harshith让它用SVG画一只侧面的家猫,并与GPT - 6 Astra Max和正式版Gemini 3.8 Flash对比,Arena里的这个版本在轮廓、比例和细节完整度上,都和正式3.8 Flash拉开明显差距。网友@thtbee_从多个角度测试这个疑似Gemini 4 Pro的模型,一个Voxel风格宝塔,模型8分钟生成可交互3D场景;一架空客H145直升机,约10分钟搭出完整3D展示页面,不过页面底部UI元素“看起来有点糟”;在网页设计上,约14分钟做出单色主题网站,整体干净、完整,过去Gemini被吐槽的设计品味问题似乎也补上了。另一位网友@Mr_Salio用它做游戏,成品画面流畅,世界生成和游戏设计完成度高。
更关键的线索来自开发者Qwinah,他声称成功“幽灵路由”到Gemini 4 Pro的后端,并贴出疑似内部终端信息的截图。据他所说,这个模型内部标识有G4P - ARGON和VIA_3.8_FLASH,最大输出256K,上下文窗口超1000万token,还有跨会话永久记忆、无需API联网、后端自动编译运行脚本甚至物理机器人控制等能力。如果这些信息属实,那这可就不是普通的Flash升级了。
与此同时,一张Gemini 4 Pro的benchmark对比表在社区疯传。按照表中数据,Gemini 4 Pro在软件工程测试DeepSWE v1.1拿到88.7%,在终端Agent测试Terminal - Bench 2.1达到95.3%,在专家级知识推理测试HLE - Verified冲到72.1%,在电脑操作Agent测试OSWorld 2.0达到86.8%,在衡量真实知识工作的GDPval - AA v2上,被写成2064 Elo,直接突破2000大关。要是这些数据是真的,Gemini 4 Pro真能“拳打Fable,脚踢Astra”,站上前沿模型之巅。但问题是,这张benchmark表和Qwinah“挖”出来的疑似后端截图对不上,benchmark表里Astra得分也不符合官方数据,两份材料都没官方背书,目前只是社区流传信息。唯一能确定的就是那个叫gemini - 3.8 - flash的模型,表现和Gemini 3.8 Flash不符。大家把答案指向Gemini 4 Pro,还有个重要原因,Google的Pro模型空窗太久,Gemini 3.5 Pro未正式落地,Gemini 4已确认训练,过去几个月Flash升级,Pro线没新型号,现在突然冒出个能力异常的“3.8 Flash”,猜测也就越来越像回事了。
RSI——Gemini 4 Pro背后更大的关键词
如果说Gemini 4 Pro目前只是社区传言,那更值得注意的是,谷歌在加快AI参与模型研发的速度。在Gemini 4 Pro传闻里,RSI这个关键词反复被提及。RSI全称为Recursive Self - Improvement,递归自我改进,简单说就是AI参与制造更强的AI,更强的AI又加快下一代模型研发。一旦这个循环开启,加速的不只是模型能力,还有模型进化速度。
路透社今年8月披露,谷歌联合创始人Sergey Brin近几个月推动Gemini提速,并把递归自我改进列为重点关注方向之一。虽然谷歌没公开宣布实现闭环,但它把越来越多研究员的工作交给Agent,包括评测模型、找改进方向、跑实验,再反馈到模型研发流程。9月2日发布Gemini 3.8 Flash时,谷歌官方说明提到,一套长期运行的Agent循环在“递归地评估和改进底层模型”。Google DeepMind研究员姚顺宇化用阿姆斯特朗登月时的话形容这次更新:“这是模型的一小步,RSI的一大步。”最近,谷歌还把“RSI”写进新论文标题。9月14日,谷歌、GDM等团队发布Dream - RSI,研究如何让Agent通过改进探索策略实现递归自我改进,这套方法在算法工程、数学优化和GPU kernel任务上有更高探索效率和更低搜索成本。正因如此,Gemini 4 Pro传闻才和RSI绑在一起。社区猜测不仅是“Gemini 4 Pro很强”,还在追问谷歌内部把RSI做到什么程度。
其实,RSI这条路不止谷歌在走。美国时间9月17日,Anthropic公开内部AI研发自动化数据。Anthropic官方称公开指标是让外界知道前沿实验室里AI研发由AI完成的情况。数据显示,截至今年8月,Claude能主导26%的Anthropic AI研发任务,今年2、3月这个比例还不到1%,同时,Anthropic内部超90%的AI研发任务至少进入AI协作阶段。国内,智谱创始人兼首席科学家唐杰表示:“我们仍远未达到递归自我改进,但最小的循环已经出现:模型优化系统,系统服务模型。”在智谱公开工程实践中,由GLM - 5.3驱动的Infra Agent参与GLM - 5.3 - Flash推理基础设施设计、调试和优化,系统运行在超10万张国产AI芯片集群上,从跑通到承接全部生产流量只用两周,端到端吞吐提升到初始水平的3.2倍。
“减速”倡议下的尴尬现状
就在几天前,阿莫迪呼吁前沿AI公司携手“减速”,他列出的首个警觉条件就是RSI。模型进步是好事,但如果AI参与制造下一代AI,模型进步速度加快,人类理解、评估和控制它的速度未必同步。所以阿莫迪强调要在能力跨过门槛前,提前建立第三方评测、共同安全标准和减速机制,因为RSI形成正反馈后,模型可能越过刹车“安全距离”。
在风险上,几家前沿实验室达成共识。奥特曼认同“放慢前沿AI的发展节奏”,承诺OpenAI引入独立评测者;马斯克表示“Dario是对的”;哈萨比斯称这是正确方向,只是具体做法待讨论。但倡议提到,单独减速没意义,若AI研发被AI加速,未来有效减速或暂停需建立共同规则,比如引入独立评测者,前沿实验室共同设定能力门槛和安全措施,必要时协调放慢研发速度。
然而,到现在出于竞争原因,共同规则没建立起来。大家能说“应该谨慎”,但一到“具体怎么减速、谁先减、其他国家减不减”,就没了共识。实验室有模型竞争,国家有AI竞争,哪家单独放慢或哪个国家单独限制,都有风险。几家前沿AI实验室言行不一。谷歌有疑似在Arena匿名测试的Gemini 4 Pro;Anthropic社区出现Opus 5.2灰度痕迹,有Claude Code用户怀疑部分请求被灰度到下一代Opus;OpenAI有人在后台模型列表看到gpt - 6 - sol模型名,有人疑似被灰度到新模型,据消息,GPT 6 Sol可能下周发布,也可能在美国时间9月29日的Dev Day。这轮“减速倡议”到现在,没一家真减速,只是把风险公开讲了一遍,模型没放缓。但至少出事时,他们能说:我们早就提醒过了。这AI竞赛到底该怎么平衡发展和风险呢?



被折叠的 条评论
为什么被折叠?



