简讯

Google DeepMind 发现，在 2026 年 4 月 1 日之后，其 AI 进展速度并没有出现统计上显著的加快；其能力指数一直以每月 0.1 点的速度稳步上升。

该实验室如今超过 75% 的生产代码由 AI 编写，但大约 88% 的代码变更仍需要人类来引导 AI，或由人类自己编写代码。

Gemini 4 Argon 完成的内部研究工程任务中，大约有一半被它解决了，但这一成绩远低于 DeepMind 视为“完全自动化”危险信号的 90% 门槛。

Google DeepMind 一直在寻找 AI 正在加速 AI 自身开发的证据，但没有找到。

在其最强模型 Gemini 4 Argon 的安全报告中，该实验室得出结论称，尽管 AI 现在已经编写了 DeepMind 工程师交付的大部分代码，但 AI 研究并没有变得更快。

这一发现与一些 AI 高管所担忧并呼吁放缓的情景相悖。这个情景被称为递归自我改进：AI 先构建出一个更聪明的自己，随后又构建出更聪明的版本，直到进展快到任何人都来不及测试、监管或关闭它——报告将其称为“现有护栏严重不足的情况”。

“目前没有明显的端到端机器学习研发加速，无论这种加速是否由 AI 驱动，”参与评估的 Google DeepMind 研究员 Haydn Belfield 在 X 上发帖写道。“因此，我们得出结论：AI 驱动的机器学习研发风险目前较低。”

ML R&D 是 machine learning research and development 的缩写，指构建新 AI 模型的工作。

“在 Gemini 4 Argon 安全与安保报告中，我们发布了首个对 Google DeepMind 内部机器学习研发自动化与加速的整体实证评估——结合了能力基准测试、宏观能力指数、AI 编写代码的数据以及轨迹结果，等等……”Haydn Belfield 在 2026 年 10 月 14 日发帖写道。

DeepMind 之所以跟踪这一问题，是因为“AI 可能会让前沿能力提升的速度超过安全、治理和社会适应的跟进速度”，Belfield 写道。更多自动化也意味着让 AI 智能体获得更广泛的公司系统访问权限，并给一个失配模型——即追求其创造者从未打算赋予的目标的模型——更多制造麻烦的空间。

为衡量进展，团队建立了 GCI v1，这是一个内部指数，把 123 个 AI 模型在 92 项基准测试中的得分合并为每个模型一个数值——可以把它理解为 AI 的 IQ 分数。Belfield 写道：“前沿 Gemini 能力以大约每月 0.1 个 GCI 点的速度，以惊人稳定的节奏提升。”

在报告的指数图表中，Gemini 1.5 Pro 在 2024 年末接近 0.5 点，而 Gemini 3.8 Flash 在 2026 年 9 月略高于 2.9 点，几乎每一次发布都沿着一条直线前进。Argon 是唯一一个略高于这条线的点，约为 3.3 点，不过其误差范围——也就是其真实分数可能落入的区间——向下延伸到足以触及趋势线。

“虽然 Gemini 4 Argon 位于[该]趋势之上，但我们将其归因于算力增加和组织投入，而不是 AI 驱动的加速，”Belfield 写道。Google 于 9 月 30 日发布了 Gemini 4 Argon。

DeepMind 目前超过 75% 的生产代码由 AI 编写，而完全委派的 pull request——即在上线前提交审查的一组代码变更——占比从 4 月到 9 月从 7.5% 上升至 11.9%。但 Belfield 写道，“约 88% 的 pull request 仍然需要多轮人类引导或人类编写代码，而且代码变更在提交前仍需经过人工审查。”

对 12 位 DeepMind 高级领导和研究人员的调查发现，自动化程度最高的是“定义明确、可验证的执行任务”，最低的是“开放式科学构想、新实验设计、诊断细微训练不稳定性，以及长期研究品味”。通俗地说，AI 很擅长执行指令，但不擅长判断哪些想法值得追下去。

DeepMind 还审查了 1,389 份日志，这些日志记录了 Argon 作为智能体在公司内部工作的情况。任务越大，模型独立完成的可能性越低，人类介入的频率也越高。

这份报告发布前一个月，Anthropic 首席执行官 Dario Amodei 曾表示递归自我改进已经在加速；Sam Altman 和 Elon Musk 也附和了这一警告，并导致芯片股几乎下跌 6%。几天前，前 Anthropic 工程师 Jacob Coxon 刚刚离开行业，警告称 AI 可能会“在本 दशक末杀死我们所有人”。

DeepMind 的数据只覆盖其自身实验室，而同一份报告也表示，不能排除未经限制的 Argon 会跨过其在网络攻击和生物武器信息方面的危险阈值。