谷歌DeepMind，已经破解RSI?

新智元报道

谷歌跑通RSI了？！

一个名叫「rsi-model-liverl-le」的模型，突然出现在Google生成式语言API的返回结果里。

没错，就是那个RSI（递归自我改进，Recursive Self-Improvement）。

谣言正在像野火一样蔓延，称谷歌 DeepMind 已经实现了RSI。

就在网友Chubby还在推测之际，Anthropic CEO突然公开宣布全行业包括Anthropic，RSI在各处已经开始发生。

这让Chubby相信传言是真的：RSI已经被实现了！

据爆料，Google内部不止跑着这一个模型。在同一批标签下，还赫然挂着从00到09编号的10个专属训练槽位。

Google的反应堪称神速，当晚就紧急收回了一批相关API密钥。

然后，就没有然后了。Google和DeepMind至今一个字没说。

一句藏头诗，一张截图，一批被收回的密钥

这起风波，源于一句看似普通的祝贺。

9月11日晚，爆料账号lyra给Google DeepMind发了条帖子，「huge congRatulationS Indeed! @GoogleDeepMind」。

细心的人一眼就能看出，三个被刻意大写的字母拼在一起，正是RSI。

lyra的藏头帖

这条帖子迅速斩获上千点赞，评论区一半人在追问「他到底知道什么内幕」，另一半人在查「这人到底是谁」。

几个小时后，另一个账号Lentils直接甩出了实锤截图。

Google的API返回了一段JSON代码，模型代码为「rsi-model-liverl-le」，显示名称为「RSI Model LiveRL LE」。参数规格是输入上限1048576个token，输出上限65536个token。

Lentils的原话是，「想象一下，如果GDM（Google DeepMind）内部真有个叫rsi-model-liverl-le的东西。再想象一下，他们还有10个专属的rsi-model-liverl-ns-xx训练槽位，从00编到09。这难道不疯狂吗？」

Lentils放出的API返回截图

LiveRL是什么？虽然没有官方解释，但X上普遍的共识是「在线强化学习（Live Reinforcement Learning）」，即模型一边跑业务，一边自我进化。

接下来这一步，彻底让全网炸锅。

lyra直接发文@了Google AI Studio负责人Logan Kilpatrick，「没必要因为怕我，就把GDM的API密钥全收回去。你们的基础设施有更深的安全漏洞，直接联系我就行。」

随后他补了一记重锤，这批密钥来自GDM内部员工，可以访问超过1000个内部checkpoint。

lyra公开@Logan Kilpatrick

Lentils紧随其后嘲讽，「我闻到了恐惧的味道。」

虽然这张截图的真伪尚未得到第三方验证（1048576和65536这两个数字与Gemini现有系列的规格完全一致，不排除是内部测试名或恶作剧的可能）。

但它能一夜刷屏，是因为它和Google最近的报道，严丝合缝地对上了。

谷歌拉响紧急警报，微厨房里豪赌RSI

三天前，Business Insider报道称，谷歌联创Sergey Brin对谷歌在Gemini上的进展速度感到不满，并力促员工更加专注于递归自我改进。

早在今年8月，路透社就已经报道过同样的方向：Brin希望谷歌追赶上前沿，并正在将资源推向RSI。

据9月9日Business Insider的独家报道，Sergey Brin回归Google后的办公地点，是总部Gradient Canopy大楼里一间改造过的微厨房。

他坐在一张U形桌旁，旁边是DeepMind现任负责人Kavukcuoglu，而劈柴哥（Sundar Pichai）每周都会来这待上几次。

一位前员工透露，「Sergey想把Gemini当成一家创业公司来管。」另一位员工则直言，「这间厨房的存在，就是为了能直接绕开公司政治。」

他管的细节极其硬核。

他直接插手芯片分配，为Gemini团队开辟了一条正式流程之外的「算力特权通道」；他曾主导砍掉了Jeff Dean的「Frozen」芯片项目，今年又再次削减其资源。

他甚至在内部推行了一项激进计划，监控部分员工的编码过程，用这些真实数据去训练Gemini的代码能力。

他只有一个核心诉求：全公司必须以最快速度，向「递归自我改进（Recursive Self-Improvement，简称 RSI）」发起总攻。

一名前员工在接受采访时用了一个极其贴切的词来形容他：

他深度押注了RSI，他彻底被「AGI洗脑」（AGI-pilled）了。

路透社在8月的报道中也提到，Brin早在4月的全员会上就催促DeepMind加快步伐，将资源全面向RSI倾斜。

一位前员工更是坦言，「他非常相信RSI，他是一个彻头彻尾的AGI信徒。」

把这件事带火的ChrisGPT，附上了BI报道原文

Brin如此急迫的动机并不难猜，Google掉队了。

Gemini 3去年11月短暂登顶后，迅速被Anthropic和OpenAI反超。新一代旗舰模型因编码能力不达标，硬生生推迟了两个月。

与此同时，核心人才在不断流失。Jeff Dean在效力27年后离职创业，Oriol Vinyals、John Jumper等大牛先后出走，Hassabis也于8月5日卸任DeepMind负责人。

如果只是靠堆算力去熬一个更大的底座，等Google追上的那天，对手的下一代早就发布了。

所以Brin的赌注是彻底切断原有赛道。让模型自己评估、自己修改自己，把动辄按季度计算的迭代周期，暴力压缩到按周计算。

这条路一旦走通，落后两个月的旗舰模型将不再是痛点，Google将获得降维打击的迭代速度。

但如果走不通，这就成了一个没有头衔的创始人，用算力分配权，把整个DeepMind押在了一个没人验证过的方向上。

Google早就交了底，只是没人当回事

把时间拨回9月2日。那天，Google发布了Gemini 3.8 Flash和3.8 Flash Cyber。

要知道，这已经是六周内发布的第三个Flash版本了。而3.7 Flash，才刚刚发布了不到三周。

在这篇官方博客里，藏着这样一句话：

「这些模型的进展，进一步被长时间运行的智能体循环所加速。这些循环被设计用来递归地评估和精炼底层模型。」

翻译过来就是，谷歌可能已经实现了「递归自我改进」，然后用它把Gemini提升了0.1。

当时，谷歌DeepMind的姚顺宇评价道：对模型而言，这只是迈出了一小步；但对于 RSI来说，这是一次巨大飞跃。

在DeepMind研究RSI智能体的Sicong Jiang，更是直接断言并乐观预测：

这就是RSI飞轮开始产生复利效应时的样子。

更多的里程碑正在路上——推进更快，落地更强。

据此，DAIR.AI创始人、网友elvis认为：这就是递归自我改进（RSI）飞轮的早期成果。

但大多数人没当回事，因为它被埋在一篇Flash小版本的发布文里。

再看这个恐怖的迭代节奏，三周一个版本，六周三个大跨度跃升。

3.8 Flash在HLE-Verified上拿到了54.9%的成绩，而Cyber版在真实漏洞挖掘上的成功率更是突破了70%。

传统流程是人训、人评、人再训，一轮下来起步就是一个季度。三周一个版本，人是跟不上的。

事后lyra也一语道破，「大家真该去读读Google的官方博客。看看最近几个Flash版本的发布间隔，RSI这件事其实已经非常明显了。」

所以，无论那张截图真假，它所指向的事实，Google早就摆在了明面上。

只不过，在一个名字里带着RSI的模型真身泄露之前，没人把博客里那句话当真。

AI圈苦等了二十年的那扇门

RSI这个概念，在AI圈已经流传了二十多年。

它的核心奥义是让AI自己去修改自己的训练代码和方法，从而训出更强的下一代，下一代再继续自我修正。研发周期将从季度压缩到周，甚至天。

在DeepMind今年6月发表的《从AGI到ASI》中，这被列为通向超级智能的四条必经之路之一。

而就在今年，纸上谈兵终于变成了现实。

去年夏天，IAPS研究员Severin Field曾让来自OpenAI、Anthropic、DeepMind等大厂的25位研究员预测「AI自动化研究」的几大里程碑，拿下奥赛金牌、AI自己写出同行评审论文、AI自主跑完训练循环、AI为生产系统编写核心代码。

https://arxiv.org/abs/2603.03338

短短一年过去，这四条预言已全部被击穿。

大厂们都在向这个终点狂奔。

7月OpenAI公开表示，GPT-5.6 Sol已经能协助后训练一个更小的模型，替研究员省下了数周时间；Anthropic在6月更是直接发表了一篇题为《当AI构建自身》的博客。

今天，Dario Amodei正式宣布，RSI已经开始在整个行业发生，包括在Anthropic内部。Dario为此忧心忡忡，建议放缓前沿AI研发速度。

但Google这次的信号截然不同。其他两家说的还停留在「AI辅助我们做研究」，而Google的博客直言「循环在递归地蒸馏模型」，X上流出的更是带着RSI命名的正式模型标签和训练槽位。

如果Flash三周一更的节奏真是靠这个循环在驱动，那Google手里捏着的东西，比一个旗舰模型可怕得多。

它拿到的是进化速度本身。

下一个Flash，就是验证

真正值得盯的，是一个很简单的时间点。如果三周之后，3.9 Flash准时出现，博客里那句「递归地评估和精炼底层模型」就不再是修辞，Flash的发布日历会变成一个倒计时，每一格都是模型自己走出来的。

AI竞赛过去三年比的是谁的模型最强。从这一刻起，比的是谁的循环转得最快。模型强不强变成了一个中间量，循环每转一圈，它就自动刷新一次。

人类研究员在这个循环里的位置，也在往后退。先是不用写代码，然后不用跑实验，最后只剩下看结果、按确认。Anthropic说过，他们最后的比较优势叫「研究品味」。Google这次要验证的，就是这道防线还能撑多久。

如果那张截图是真的，AI研发史上第一个由模型自己训出来的模型，已经在Google的机房里跑了。

它的名字里直接写着RSI。

参考资料：

https://finance.yahoo.com/technology/ai/articles/googles-sergey-brin-reportedly-urged-192049942.html

https://x.com/pankajkumar_dev/status/2098534988107133082

https://www.theinformation.com/newsletters/ai-agenda/google-deepmind-exec-says-unprecedented-capex-actually-bet-rsi?rc=epv9gi

编辑：摩西 大卫