谷歌：AI编写超75%生产代码，但自主研发未加速
谷歌DeepMind工程师海顿·贝尔菲尔德披露，谷歌内部超过75%的生产代码由AI编写，但约88%的代码变更仍需人工监督或审查，完全交由AI处理的代码变更比例已从7.5%升至11.9%。在1389次Argon内部智能体测试中，任务越复杂，无人干预的成功率越低；在包含74项真实机器学习工程任务的RE-Bench上，Argon解决约一半任务，高于Gemini 3.7 Flash的27%。研究团队构建了覆盖123个模型、92项基准的通用能力指数（GCI），测得Gemini能力以每月约0.1个GCI点稳定增长，未出现统计学显著的加速，Gemini 4 Argon略高于趋势线的表现主要归因于算力与组织投入增加。与此同时，杰弗里·辛顿、约书亚·本吉奥和OpenAI的雅库布·帕乔基等20多位研究者在论文中警告，AI研发自动化可能触发“智能爆炸”，将数年进展压缩到数月。
这是来自前沿实验室内部的一组可核对测量：AI大量参与编码，但完全由AI独立完成的代码变更仍少，谷歌据此认为AI自主驱动的研究加速尚无证据，为判断递归自我改进是否临近提供了基准。
近日，谷歌DeepMind的工程师海顿·贝尔菲尔德对外披露了一组数据：谷歌内部超过75%的生产代码由AI编写。这听起来像是AI已经深度介入研发工作。
但贝尔菲尔德同时给出了另一组数字：约88%的代码变更仍然需要人工监督或审查，每一次变更在提交前都必须经过人工审核。完全委托给AI的代码变更比例从7.5%上升到了11.9%。
75%和11.9%之间的差距，就是当下AI自我改进能力的真实边界。
越复杂的任务，AI越难独立完成
贝尔菲尔德披露的数据来自谷歌内部的实际运营。据他介绍，谷歌DeepMind并未发现AI本身驱动的AI研究出现可衡量的加速。自动化程度确实在显著提高，但距离“AI自己改进自己”仍有相当距离。
这个判断在谷歌内部的基准测试中得到了验证。在1389次Argon内部智能体运行测试中，随着任务复杂性的增加，无人干预的成功率急剧下降。任务越复杂、越耗时，AI就越难独立完成。
#Google DeepMind#Gemini 4 Argon#Gemini 3.7 Flash#RE-Bench#Claude#Anthropic#OpenAI#New Relic#Cursor#Cognition AI#Meta Muse