本文來自微信公眾號： 字母AI ，作者：袁心玥，原文標題：《Gemini 4 Pro疑似泄露，“AI減速”又成空話》

前幾個月，OpenAI和Anthropic輪番把旗艦?zāi)Ｐ屯巴?，谷歌卻顯得異常安靜。

Flash幾乎3周一更，3.6、3.7、3.8連續(xù)往前，但代表最高能力上限的Pro遲遲沒有動靜。

直到這兩天，大模型盲測競技場Arena里，突然冒出一個掛著gemini-3.8-flash名字的模型。

開發(fā)者一上手就發(fā)現(xiàn)了不對勁，真正的Gemini 3.8 Flash已經(jīng)發(fā)布了，它該是什么水平，大家心里有數(shù)?？蛇@個“3.8 Flash”，寫代碼、做SVG、跑Agent，表現(xiàn)明顯又往上跳了一截。

幾輪實測之后，一個猜測迅速擴散開來：

這個模型很有可能是谷歌藏在標簽后面的下一代旗艦——Gemini 4 Pro。

緊接著，一張更夸張的benchmark對比圖開始瘋傳。編碼、Agent、推理，多項成績都把GPT-6 Astra和Claude Fable壓在下面。

就在幾天前，幾家最重要的AI公司還在公開討論，是不是該慢一點?，F(xiàn)在，減速的聲音還沒落地，新一輪競賽已經(jīng)開始狂飆。

而這個疑似Gemini 4 Pro的“神級模型”背后，還有一個更危險的關(guān)鍵詞：

RSI。

Gemini 4 Pro疑似泄露

9月2日，Google剛剛正式發(fā)布Gemini 3.8 Flash。官方稱，這是Gemini 3系列最新一代Flash，在軟件工程、Agent任務(wù)和復(fù)雜多步推理上都有明顯提升；從3.7 Flash到3.8 Flash，中間只隔了三周。

所以，當Arena里又出現(xiàn)一個同樣掛著gemini-3.8-flash名字的模型時，開發(fā)者很快就察覺到了異常。

真正的3.8 Flash已經(jīng)擺在那里，大家有現(xiàn)成的參照物。而這個模型看起來明顯更強，分明是Pro模型才會有的實力。

最早引發(fā)傳播的一批實測，集中在SVG、網(wǎng)頁和3D場景上。

開發(fā)者Harshith讓它用SVG畫一只側(cè)面的家貓，并把結(jié)果與GPT-6 Astra Max和正式版Gemini 3.8 Flash放在一起。Arena里的這個版本，無論輪廓、比例還是細節(jié)完整度，都和正式3.8 Flash拉開了肉眼可見的差距。

X網(wǎng)友@thtbee_從多個角度連續(xù)測試了這個疑似Gemini 4 Pro的模型。

一個Voxel風(fēng)格寶塔，模型跑了8分鐘，直接生成了一整套可交互3D場景。

一架空客H145直升機，它只花大約10分鐘就搭出了完整的3D展示頁面，細節(jié)非常豐富。不過，這位網(wǎng)友表示，頁面底部的UI元素“看起來有點糟”。

在網(wǎng)頁設(shè)計上，模型花了大約14分鐘就做出了一套單色主題網(wǎng)站，整體非常干凈、完整。過去Gemini經(jīng)常被吐槽的設(shè)計品味問題，這次似乎終于被補上了。

另一位網(wǎng)友@Mr_Salio直接拿這個疑似Gemini 4 Pro的模型去做游戲。成品畫面足夠流暢，世界生成和游戲設(shè)計的完成度也很高。

更關(guān)鍵的一條線索來自開發(fā)者Qwinah。

他聲稱自己成功“幽靈路由”到了Gemini 4 Pro的后端，并貼出了一張疑似內(nèi)部終端信息的截圖。

根據(jù)他的說法，這個模型的內(nèi)部標識里直接出現(xiàn)了G4P-ARGON和VIA_3.8_FLASH，最大輸出達到256K，上下文窗口超過1000萬token，還帶有跨會話永久記憶、無需API即可聯(lián)網(wǎng)、后端自動編譯運行腳本，甚至物理機器人控制等能力。

如果這些信息屬實，那它顯然已經(jīng)不是一次普通的Flash升級。

與此同時，一張Gemini 4 Pro的benchmark對比表也開始在社區(qū)瘋傳。

按照圖里的數(shù)據(jù)，Gemini 4 Pro在軟件工程測試DeepSWE v1.1拿到88.7%，在終端Agent測試Terminal-Bench 2.1達到95.3%，在專家級知識推理測試HLE-Verified沖到72.1%，在電腦操作Agent測試OSWorld 2.0達到86.8%。

更夸張的是，在衡量真實知識工作的GDPval-AA v2上，它被寫成2064 Elo，直接突破2000大關(guān)。

如果這些數(shù)據(jù)屬實，Gemini 4 Pro簡直能“拳打Fable，腳踢Astra”，一舉站上前沿模型之巔。

但越是夸張，越需要小心。

值得注意的是，這張benchmark表，和Qwinah“挖”出來的那張疑似后端截圖，并不完全對得上；benchmark表里作為對照項的Astra，得分也不符合官方數(shù)據(jù)；兩份材料都沒有Google、Arena或相關(guān)benchmark官方背書，目前仍然只是社區(qū)流傳的信息。

唯一能被確認的只有那個名叫g(shù)emini-3.8-flash名字的模型，和完全不符合Gemini 3.8 Flash的表現(xiàn)。

但大家之所以會迅速把答案指向Gemini 4 Pro，還有一個非常重要的原因：Google的Pro模型，已經(jīng)空窗太久了。

Gemini 3.5 Pro遲遲沒有正式落地，Gemini 4早已確認進入訓(xùn)練，過去幾個月，F(xiàn)lash一代代往前推，真正代表能力上限的Pro線始終沒有新型號出現(xiàn)。

現(xiàn)在，一個能力明顯異常的“3.8 Flash”突然從Arena里鉆了出來。

于是，猜測自然越來越像樣——Google可能根本沒打算把真正的大升級留給3.5 Pro，直接憋到了Gemini 4 Pro。

Gemini 4 Pro背后，

更大的關(guān)鍵詞是RSI

如果說Gemini 4 Pro目前還只是社區(qū)傳言，那么更值得注意的是，谷歌正在明顯加快AI參與模型研發(fā)的速度。

在這一次的Gemini 4 Pro傳聞里，RSI這個關(guān)鍵詞被反復(fù)提及。

RSI全稱為Recursive Self-Improvement，遞歸自我改進，簡單來說，就是AI開始參與制造更強的AI，而更強的AI又進一步加快下一代模型的研發(fā)。

一旦這個循環(huán)跑起來，被加速的就不只是模型能力本身。

就連模型進化的速度，也會開始被模型自己加速。

路透社今年8月披露，谷歌聯(lián)合創(chuàng)始人Sergey Brin近幾個月一直在推動Gemini提速，并把遞歸自我改進列為重點關(guān)注方向之一。

雖然谷歌目前還沒有公開宣布自己已經(jīng)實現(xiàn)了這個閉環(huán)，但它正在把越來越多原本屬于研究員的工作交給Agent，包括評測模型、尋找改進方向、跑實驗，再把結(jié)果反饋回模型研發(fā)流程。

9月2日發(fā)布Gemini 3.8 Flash時，谷歌也在官方說明里提到，一套長期運行的Agent循環(huán)正在“遞歸地評估和改進底層模型”。

Google DeepMind研究員姚順宇（不是騰訊的姚順雨）則在3.8 Flash發(fā)布后，化用了阿姆斯特朗登月時的話來形容這次更新：

“這是模型的一小步，RSI的一大步?！?/p>

就在最近，谷歌還把“RSI”寫進了一篇新論文的標題里。

9月14日，谷歌、GDM等團隊發(fā)布Dream-RSI，專門研究如何讓Agent通過不斷改進探索策略，實現(xiàn)遞歸自我改進。在算法工程、數(shù)學(xué)優(yōu)化和GPU kernel任務(wù)上，這套方法都顯示出更高的探索效率和更低的搜索成本。

也正因如此，這次Gemini 4 Pro的傳聞才會迅速和RSI綁在一起。

社區(qū)里的猜測并沒有停留在“Gemini 4 Pro很強”上，也在追問，谷歌內(nèi)部到底把RSI做到了什么程度。

RSI這條路顯然不只谷歌在走。

美國時間9月17日，Anthropic公開了一組內(nèi)部AI研發(fā)自動化數(shù)據(jù)。

Anthropic官方表示，他們公開這些指標的原因是，他們認為外界需要知道，前沿實驗室里的AI研發(fā)到底有多少已經(jīng)開始由AI自己完成。

數(shù)據(jù)顯示，截至今年8月，Claude已經(jīng)能夠主導(dǎo)26%的Anthropic AI研發(fā)任務(wù)——也就是人類只需要給出高層目標并監(jiān)督，Claude基本可以端到端完成任務(wù)。這個比例在今年2、3月還不到1%。

與此同時，Anthropic內(nèi)部超過90%的AI研發(fā)任務(wù)，至少已經(jīng)進入AI協(xié)作的階段。

國內(nèi)，智譜創(chuàng)始人兼首席科學(xué)家唐杰最近也表示：“我們?nèi)赃h未達到遞歸自我改進，但最小的循環(huán)已經(jīng)出現(xiàn)：模型優(yōu)化系統(tǒng)，系統(tǒng)服務(wù)模型?！?/p>

唐杰在X上的長文，僅截取開頭部分

在智譜公開的工程實踐中，一個由GLM-5.3驅(qū)動的Infra Agent參與了GLM-5.3-Flash推理基礎(chǔ)設(shè)施的設(shè)計、調(diào)試和優(yōu)化。這套系統(tǒng)運行在超過10萬張國產(chǎn)AI芯片組成的集群上，從第一次跑通到承接全部生產(chǎn)流量，只用了兩周，把端到端吞吐提升到了初始水平的3.2倍。

“減速”最后只剩下警告

就在幾天前，阿莫迪還呼吁前沿AI公司攜手“減速”。

他列出的第一個需要警覺的條件，就是RSI。

模型進步本身當然是好事，但問題在于，如果AI開始參與制造下一代AI，模型進步的速度可能越來越快，但人類理解、評估和控制它的速度，未必能同步加快。

所以阿莫迪反復(fù)強調(diào)，要在能力跨過某些門檻之前，把第三方評測、共同安全標準和減速機制提前建立起來。

因為一旦RSI真正形成正反饋，模型可能已經(jīng)越過了剎車的“安全距離”。

在風(fēng)險上，幾家前沿實驗室確實達成了共識。

奧特曼公開認同“放慢前沿AI的發(fā)展節(jié)奏”，并承諾OpenAI也會引入擁有類似員工權(quán)限的獨立評測者；馬斯克表示“Dario是對的”；哈薩比斯也稱這是正確的方向，只是具體怎么做還需要繼續(xù)討論。

但那篇倡議里也提到，單獨減速沒有意義，如果AI研發(fā)繼續(xù)被AI加速，未來真正有效的減速或暫停，需要先建立一套共同規(guī)則：比如引入獨立評測者，以及讓前沿實驗室共同設(shè)定能力門檻和安全措施，必要時協(xié)調(diào)放慢研發(fā)速度。

但到現(xiàn)在，出于各種各樣的競爭原因，共同規(guī)則并沒有被建立。

大家已經(jīng)可以一起說“應(yīng)該謹慎”，可一到“具體怎么減速、誰先減、其他國家減不減”，共識就迅速消失了。

實驗室之間有最直接的模型競爭，國家之間還有更大的AI競爭。任何一家單獨放慢，都要承擔把領(lǐng)先窗口讓給對手的風(fēng)險；任何一個國家單獨限制，都會擔心另一邊繼續(xù)加速。

幾家前沿AI實驗室，因此多少表現(xiàn)得有些言行不一。

谷歌這邊，有前面提到的疑似已經(jīng)在Arena匿名測試的Gemini 4 Pro。

Anthropic這邊，社區(qū)最近也開始出現(xiàn)Opus 5.2的灰度痕跡。有Claude Code用戶稱，通過運行狀態(tài)和請求路由信息看到了新的claude-opus-5-2模型標識，懷疑部分請求已經(jīng)被灰度到下一代Opus。

而OpenAI那里，有人稱在后臺模型列表里看到了gpt-6-sol的模型名，也有人表示自己疑似已經(jīng)被灰度到新模型。根據(jù)目前廣為流傳的消息，GPT 6 Sol可能會在下周發(fā)布，或者，也可能在美國時間9月29日的Dev Day……總之也不遠了。

三家前沿AI實驗室的下一輪模型，都已經(jīng)開始在社區(qū)里露出測試痕跡。

這輪“減速倡議”到現(xiàn)在最確定的成果，并不是任何一家真的減了速，只是這幾家最重要的AI公司，已經(jīng)把風(fēng)險提前公開講了一遍。

模型并沒有因此放緩。

但至少，如果有一天真的出事，他們可以說：我們早就提醒過了。