Google DeepMind表示，目前尚未发现AI自行开发更强AI、并由此推动研发速度明显提升的证据。

据Decrypt当地时间15日报道，Google DeepMind在Gemini 4 Argon安全报告中称，其内部尚未观察到AI研发出现显著提速。

报告显示，DeepMind内部生产代码中已有超过75%由AI生成或参与生成。即便如此，公司认为，自2026年4月1日以来，AI能力进步速度并未出现统计显著变化，相关能力指数月均仅上升0.1点。

这一结论与近期业内对“递归式自我改进情景”的担忧形成对照。所谓递归式自我改进，是指AI先开发出更强的AI，后者再进一步产出能力更高的模型，从而演变为超出现有控制、验证和监管节奏的快速迭代。报告认为，一旦进入这一阶段，现有安全防护措施可能明显不足。

Google DeepMind研究员Hayden Belfield表示，无论是否由AI主导，机器学习研发整体都未出现显著的端到端提速。他同时指出，目前AI驱动ML研发的风险水平仍被评估为较低。

为评估这一趋势，DeepMind使用内部指标GCI v1，对123个AI模型在92项基准测试中的表现进行了分析。按照这一指标，Gemini系列模型的性能提升大体呈线性变化：2024年底，Gemini 1.5 Pro约为0.5点；到2026年9月，Gemini 3.8 Flash已超过2.9点。Gemini 4 Argon约为3.3点，高于趋势线，但DeepMind认为，这一提升更可能源于算力资源扩张和组织层面的持续投入，而非AI自我推动研发加速。

从自动化水平看，AI距离完全自主仍有明显差距。DeepMind内部Pull Request中，由AI生成的占比已从2026年4月的7.5%升至2026年9月的11.9%。不过，约88%的相关工作仍需要额外指令，整体上也仍离不开人工直接介入。

在真实任务中的表现同样有限。报告称，AI目前只能独立完成约一半的内部研究工程任务，距离DeepMind认定为自动化风险信号的90%水平仍有较大差距。

不同任务类型之间的自动化程度也出现明显分化。DeepMind对12名高管和研究人员的调查显示，“定义清晰且结果可验证的执行类任务”自动化水平最高；而在“开放式科学创意探索、新实验设计、训练不稳定性诊断、长期研究方向设定”等方面得分最低。这意味着，AI更擅长执行明确指令，但在决定应追踪哪些研究想法方面能力仍然有限。

上述结果也与近期部分业内人士的强烈警告形成反差。Anthropic CEO Dario Amodei认为，递归式自我改进正在加速；OpenAI CEO Sam Altman和Elon Musk也表达过相近观点。几天前，还有报道称，前Anthropic工程师Jacob Coxon因担忧“AI可能在10年内杀死所有人”而离开该行业。

不过，DeepMind并未完全排除相关风险。报告所依据的数据仅来自其内部研究环境。报告同时指出，无法排除不受限制的Gemini 4 Argon在网络攻击或生物武器相关信息方面突破风险阈值的可能。这意味着，Google的评估更多反映的是当前内部自动化水平，而不足以被视为对高性能模型安全争议的定论。