Google 表示 AI 尚未实现自我构建——尽管其编写了 75% 的代码

简报

• Google DeepMind 发现，在 2026 年 4 月 1 日之后，其 AI 进展速度在统计学上没有显著加速；其能力指数每月稳定增长 0.1 点。
• 该实验室的大多数生产代码现在有 75% 以上是由 AI 编写的，但约 88% 的代码更改仍需要人类引导 AI 或亲自编写代码。
• Gemini 4 Argon 解决了其完成的内部研究工程任务中约一半的任务，远低于 DeepMind 视为全面自动化红线的 90% 得分。

Google DeepMind 试图寻找 AI 正在加速 AI 自身开发的证据。结果一无所获。

在其最强大模型 Gemini 4 Argon 的安全报告中，该实验室得出结论，尽管 AI 现在编写了 DeepMind 工程师交付的大部分代码，但 AI 研究的推进速度并未加快。

这一发现与令 AI 高管们感到不安并呼吁减速的情景背道而驰。这被称为递归自我改进：AI 构建一个更智能的自身版本，后者再构建一个更智能的版本，直到进度超出任何人测试、监管或关闭的能力——报告称之为“现有护栏严重不足的情况”。

“目前没有任何显著的端到端 ML R&D 加速，无论是 AI 驱动的还是其他方式，”参与评估的 Google DeepMind 研究员 Haydn Belfield 在 X 上的帖子中写道。“因此我们得出结论，目前 AI 驱动的 ML R&D 风险较低。”

ML R&D 是机器学习研发的简称，即构建新 AI 模型的工作。

DeepMind 追踪这一问题是因为“AI 可能会比安全、治理和社会适应能力的跟进速度更快地加速前沿能力的提升，”Belfield 写道。更高程度的自动化也意味着给予 AI 代理更广泛的公司系统访问权限，增加了一个对齐不良的模型（追求其制造者从未预期的目标的模型）制造麻烦的空间。

为了衡量进度，团队构建了 GCI v1，这是一个内部指数，将 92 个基准测试中的 123 个 AI 模型得分融合为每个模型的单一数字——可以将其视为 AI 的 IQ 分数。“前沿 Gemini 的能力以每月约 0.1 GCI 点的惊人稳定速度提升，”Belfield 写道。

在该指数报告的图表中，Gemini 1.5 Pro 在 2024 年底接近 0.5 点，Gemini 3.8 Flash 在 2026 年 9 月略高于 2.9，几乎每次发布都紧贴一条直线。Argon 是唯一一个突出于其上的点，约为 3.3，尽管其误差线（其真实得分可能落入的合理范围）延伸得足够低，可以触及趋势线。

“虽然 Gemini 4 Argon 位于趋势之上，但我们将其归因于计算和组织投资的增加，而不是反映了 AI 驱动的加速，”Belfield 写道。Google 于 9 月 30 日推出了 Gemini 4 Argon。

DeepMind 的大多数生产代码现在 75% 以上是由 AI 编写的，完全委托的拉取请求（在上线前提交审核的代码更改包）比例从 4 月到 9 月从 7.5% 上升到 11.9%。但“约 88% 的拉取请求仍需要多轮人类引导或人类代码编写——且代码更改在提交前仍需接受人类审查，”Belfield 写道。