DeepMind 研究员喊出「RSI 来了」，但 Gemini 4 Argon 真正的王牌是那 2 美元的输入价格
Google DeepMind 研究员 Zirui Wang 在社交平台上发了一条消息，把半个 AI 圈都炸醒了：「我们的模型正式超越了我，我已经没什么能再教它的了。」他还补了一句，说自己要去做咖啡师。这位从 CMU 一路走到 Apple Foundation Models、再到 xAI、最后落定 DeepMind 的研究员，亲手调教模型长大，却公开说「教不动它了」。这话是肺腑之言还是营销话术，不好说，但它背后有个更硬的信号——沉默七个月的谷歌带着 Gemini 4 Argon 回来了，而且绑定了一个眼下最热的词：RSI。
RSI 全称 Recursive Self-Improvement，递归自我改进。翻译成人话就是：AI 自己改进自己，改进完的 AI 再去改进自己，像滚雪球一样越滚越大。哲学家 David Chalmers 早在 2010 年就点出这个核心逻辑——智能的提升，必然带来设计更高智能系统的能力的提升。这样一个自我加速的循环，理论上启动了就停不下来。这也是为什么 RSI 常被当成从 AGI 通往超级智能的「最后一块拼图」，同时也是整个 AI 安全领域最让人不安的话题——一旦雪球滚起来，人还刹得住吗？
从跑分看，Argon 确实交出了一份让竞争对手坐不住的成绩。独立评测机构 Artificial Analysis 给出的综合智能指数是 53 分，直接追平 GPT-6 Astra，比上一代 Gemini 3.1 Pro Preview 飙升了 23 分。更亮眼的是幻觉率只有 15%，是所有高分模型里最低的——对照之下 Astra 是 51%，Sol 是 54%。换句话说，Argon 不光聪明，还特别「实诚」，不瞎编。在 Vals Index 这个涵盖金融、法律、编程、税务的综合知识工作榜上，它以 68.9% 登顶全部 41 个模型的第一，这也是 Gemini 系列有史以来第一次坐上这把交椅。金融 Agent 测试 65.4% 高居榜首，Vibe Code Bench 上 91.91% 紧咬 Sonnet 5.5 的 92.39%，只差半个身位。这些数据放在一起至少说明一件事：谷歌这回不是回来「凑数」的。
但跑分归跑分，RSI 归 RSI。Zirui Wang 那句话让人激动，可从「模型超越了我」到「模型能自主改进自己」，中间还差得很远。AlphaGo 赢了李世石，并不代表它能自己发明新的棋类游戏。目前最接近 RSI「实锤」的证据，来自谷歌披露的三个内部案例。这里要注意，这些都是公司自己说的，严格讲仍属于「模型辅助训练优化」，不是完整闭环。第一个案例是一个 Argon 智能体团队自主扫描谷歌全网的性能遥测数据，定位内存优化空间并自主提交修改代码，上线后腾出了超过 300 TiB 内存，预计最终可达 500 TiB 到 1 PiB——在谷歌的体量下是千万美元级别的成本节约。第二个案例是用安全 Rust 重写 80 万行 C/C++ 系统内核，包括 Fuchsia Zircon 内核。搞底层的人都知道动内核就像拆弹，一个指针错误整个系统原地爆炸，AI 敢碰这个本身就是个里程碑。第三个案例最硬核：谷歌开源视频解码项目 libgav1 里有一段 3.2 万行的 SIMD 代码，人类工程师写起来都叫苦，Argon 通过多轮编译实验反复迭代，用安全 Rust 重写后速度达到原 Rust 移植版的 2.7 倍，逼平了高度优化的 C++ 版本，且逐帧输出完全一致。
这三个案例说的是，Argon 具备了在真实工程环境里「自主发现问题—自主设计方案—自主迭代优化」的能力。这和传统的「人类写好提示词让 AI 干活」有本质区别——它开始自己找活干了。但真正的 RSI 需要更强有力的证据：不只是模型能改进自己，而是改进后的模型要比改进前更擅长改进自己，也就是说「自我改进的能力」本身也在被改进，形成一个越转越快的飞轮。DeepMind 九月中旬发布的 Dream-RSI 论文框架，提出的正是让智能体通过「回放」历史探索来优化未来的搜索策略，在算法工程和 GPU 内核优化上都展现了显著提升。开发者关系负责人 Logan Kilpatrick 也在播客里公开表示，他们已经观察到了「递归自我改进的早期迹象」。所以更准确的判断大概是：我们正站在 RSI 的门槛上，已经能看见门里面的东西了，但还没迈进去。
偏偏就在 Argon 发布的同一天，彭博社甩出一记暗拳：谷歌内部并非铁板一块。据报道，部分接触过内部评测的员工坦言，Argon 跑分漂亮，但真正干活时——尤其是前端设计这类实际编程任务，表现「参差不齐」。AI 专家 Edwin Chen 直指行业通病「Benchmaxxing」：工程师们疯狂适配标准测试拿高分，却忽略了让模型真正好用。独立评测也印证这种担忧——Argon 在 Terminal Bench 4 只拿到 57%，落后 Claude Sonnet 5.5 的 64% 和 Opus 5.5 的 60%；在 Code Arena 网页开发榜上排名第八，虽然进步了 21 名，但在最硬核的编程智能体战场上，Claude 仍然是程序员的首选。Hacker News 上抢先体验的用户给出的评价是：长程注意力很好、能把事做完，但打磨和稳定性差一截，任务一变大就容易封顶。
不过对谷歌来说，Argon 手里还有一张真正让人难受的王牌：价格。百万输入 Token 只要 2 美元，输出 Token 10 美元，单任务综合成本 1.99 美元——只有 GPT-6 Astra 的六成，是 Claude Opus 5.5 的三分之一。手握全球最大 TPU 算力集群的谷歌打起价格战来，OpenAI 和 Anthropic 确实头大。再加一个细节：输出上限从前代的 64K 飞升到 1M Token，这意味着 AI 终于不用在复杂推理到一半的时候「断气」了。这种能持续深度思考的能力，可能比任何单项跑分都更有长远意义。
Gemini 4 Argon 并没有碾压所有对手，但它完成了另一个更重要的任务——把谷歌从「观众席」拉回了「牌桌」。现在的 AI 前沿是清晰的三国杀格局：谷歌凭知识工作、超长上下文和网络安全防御守住自己的地盘，OpenAI 在科学推理和 Agentic Coding 依旧领跑，Anthropic 的 Claude 牢牢占着硬核编程的高地。没有绝对霸主，只有交替领先的追逐赛。而 RSI 这个让全行业又兴奋又恐惧的概念，可能确实在某个看不清的角落里开始缓慢转动它的齿轮了。只是，从「研究员教不动模型了」到「模型开始自己教自己」，中间这段距离，可能比我们想象的要远，也可能比想象的要近。毕竟 Argon 只是 Gemini 4 的入门款，谷歌说真正的大招还在后面。至于 Zirui Wang 的咖啡师梦想——建议先别辞职，万一下一代模型连拉花都会了呢。
相关链接：
- https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
- https://www.bloomberg.com/news/articles/2026-09-30/google-grapples-with-employee-skepticism-about-new-gemini-model
- https://x.com/ArtificialAnlys/status/2105392625788637299