Gemini 4 Pro疑似洩露，“AI減速”又成空話

字母AI2026.09.19 10:54 · 來自北京全文4800字00:00 / 12:44RSI正在逼近，三巨頭誰也沒停。文 | 字母AI前幾個月，OpenAI和Anthropic輪番把旗艦模型往前推，谷歌卻顯得異常安靜。Flash幾乎3週一更，3.6、3.7、3.8連續往前，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裡，突然冒出一個掛著gemini-3.8-flash名字的模型。開發者一上手就發現了不對勁，真正的Gemini 3.8 Flash已經發布了，它該是什麼水平，大家心裡有數。可這個“3.

8 Flash”，寫代碼、做SVG、跑Agent，表現明顯又往上跳了一截。幾輪實測之後，一個猜測迅速擴散開來：這個模型很有可能是谷歌藏在標籤後面的下一代旗艦——Gemini 4 Pro。緊接著，一張更誇張的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。現在，減速的聲音還沒落地，新一輪競賽已經開始狂飆。而這個疑似Gemini 4 Pro的“神級模型”背後，還有一個更危險的關鍵詞：RSI。

Gemini 4 Pro疑似洩露9月2日，Google剛剛正式發佈Gemini 3.8 Flash。官方稱，這是Gemini 3系列最新一代Flash，在軟件工程、Agent任務和複雜多步推理上都有明顯提升；從3.7 Flash到3.8 Flash，中間只隔了三週。所以，當Arena裡又出現一個同樣掛著gemini-3.8-flash名字的模型時，開發者很快就察覺到了異常。真正的3.8 Flash已經擺在那裡，大家有現成的參照物。而這個模型看起來明顯更強，分明是Pro模型才會有的實力。最早引發傳播的一批實測，集中在SVG、網頁和3D場景上。

開發者Harshith讓它用SVG畫一隻側面的家貓，並把結果與GPT-6 Astra Max和正式版Gemini 3.8 Flash放在一起。Arena裡的這個版本，無論輪廓、比例還是細節完整度，都和正式3.8 Flash拉開了肉眼可見的差距。從左到右依次為“4 Pro”、Astra、3.8 FlashX網友@thtbee從多個角度連續測試了這個疑似Gemini 4 Pro的模型。一個Voxel風格寶塔，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，細節非常豐富。不過，這位網友表示，頁面底部的UI元素“看起來有點糟”。

在網頁設計上，模型花了大約14分鐘就做出了一套單色主題網站，整體非常乾淨、完整。過去Gemini經常被吐槽的設計品味問題，這次似乎終於被補上了。另一位網友@MrSalio直接拿這個疑似Gemini 4 Pro的模型去做遊戲。成品畫面足夠流暢，世界生成和遊戲設計的完成度也很高。更關鍵的一條線索來自開發者Qwinah。他聲稱自己成功“幽靈路由”到了Gemini 4 Pro的後端，並貼出了一張疑似內部終端信息的截圖。根據他的說法，這個模型的內部標識裡直接出現了G4P-ARGON和VIA3.

8FLASH，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即可聯網、後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瘋傳。按照圖裡的數據，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衝到72.1%，在電腦操作Agent測試OSWorld 2.0達到86.8%。

更誇張的是，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。如果這些數據屬實，Gemini 4 Pro簡直能“拳打Fable，腳踢Astra”，一舉站上前沿模型之巔。但越是誇張，越需要小心。值得注意的是，這張benchmark表，和Qwinah“挖”出來的那張疑似後端截圖，並不完全對得上；benchmark表裡作為對照項的Astra，得分也不符合官方數據；兩份材料都沒有Google、Arena或相關benchmark官方背書，目前仍然只是社區流傳的信息。唯一能被確認的只有那個名叫gemini-3.

8-flash名字的模型，和完全不符合Gemini 3.8 Flash的表現。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早已確認進入訓練，過去幾個月，Flash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。現在，一個能力明顯異常的“3.8 Flash”突然從Arena裡鑽了出來。於是，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背後，更大的關鍵詞是RSI如果說Gemini 4 Pro目前還只是社區傳言，那麼更值得注意的是，谷歌正在明顯加快AI參與模型研發的速度。在這一次的Gemini 4 Pro傳聞裡，RSI這個關鍵詞被反覆提及。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。一旦這個循環跑起來，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，谷歌聯合創始人Sergey Brin近幾個月一直在推動Gemini提速，並把遞歸自我改進列為重點關注方向之一。雖然谷歌目前還沒有公開宣佈自己已經實現了這個閉環，但它正在把越來越多原本屬於研究員的工作交給Agent，包括評測模型、尋找改進方向、跑實驗，再把結果反饋回模型研發流程。9月2日發佈Gemini 3.8 Flash時，谷歌也在官方說明裡提到，一套長期運行的Agent循環正在“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發佈後，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。”就在最近，谷歌還把“RSI”寫進了一篇新論文的標題裡。9月14日，谷歌、GDM等團隊發佈Dream-RSI，專門研究如何讓Agent通過不斷改進探索策略，實現遞歸自我改進。在算法工程、數學優化和GPU kernel任務上，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。社區裡的猜測並沒有停留在“Gemini 4 Pro很強”上，也在追問，谷歌內部到底把RSI做到了什麼程度。RSI這條路顯然不只谷歌在走。

美國時間9月17日，Anthropic公開了一組內部AI研發自動化數據。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，前沿實驗室裡的AI研發到底有多少已經開始由AI自己完成。數據顯示，截至今年8月，Claude已經能夠主導26%的Anthropic AI研發任務——也就是人類只需要給出高層目標並監督，Claude基本可以端到端完成任務。這個比例在今年2、3月還不到1%。與此同時，Anthropic內部超過90%的AI研發任務，至少已經進入AI協作的階段。

國內，智譜創始人兼首席科學家唐傑最近也表示：“我們仍遠未達到遞歸自我改進，但最小的循環已經出現：模型優化系統，系統服務模型。”唐傑在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驅動的Infra Agent參與了GLM-5.3-Flash推理基礎設施的設計、調試和優化。這套系統運行在超過10萬張國產AI芯片組成的集群上，從第一次跑通到承接全部生產流量，只用了兩週，把端到端吞吐提升到了初始水平的3.2倍。“減速”最後只剩下警告就在幾天前，阿莫迪還呼籲前沿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，但問題在於，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。所以阿莫迪反覆強調，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，模型可能已經越過了剎車的“安全距離”。在風險上，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的發展節奏”，並承諾OpenAI也會引入擁有類似員工權限的獨立評測者；馬斯克表示“Dario是對的”；哈薩比斯也稱這是正確的方向，只是具體怎麼做還需要繼續討論。

但那篇倡議裡也提到，單獨減速沒有意義，如果AI研發繼續被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則：比如引入獨立評測者，以及讓前沿實驗室共同設定能力門檻和安全措施，必要時協調放慢研發速度。但到現在，出於各種各樣的競爭原因，共同規則並沒有被建立。大家已經可以一起說“應該謹慎”，可一到“具體怎麼減速、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，都要承擔把領先窗口讓給對手的風險；任何一個國家單獨限制，都會擔心另一邊繼續加速。幾家前沿AI實驗室，因此多少表現得有些言行不一。

谷歌這邊，有前面提到的疑似已經在Arena匿名測試的Gemini 4 Pro。Anthropic這邊，社區最近也開始出現Opus 5.2的灰度痕跡。有Claude Code用戶稱，通過運行狀態和請求路由信息看到了新的claude-opus-5-2模型標識，懷疑部分請求已經被灰度到下一代Opus。而OpenAI那裡，有人稱在後臺模型列表裡看到了gpt-6-sol的模型名，也有人表示自己疑似已經被灰度到新模型。根據目前廣為流傳的消息，GPT 6 Sol可能會在下週發佈，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，都已經開始在社區裡露出測試痕跡。

這輪“減速倡議”到現在最確定的成果，並不是任何一家真的減了速，只是這幾家最重要的AI公司，已經把風險提前公開講了一遍。模型並沒有因此放緩。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。