Google DeepMind 一度尋找 AI 正在加速 AI 自身發展的證據。根據該實驗室自身的評估，它並沒有找到。

在針對其最強大模型 Gemini 4 Argon 的安全報告中，這家公司得出結論：AI 研究進展並未加快——即使 AI 如今撰寫了 DeepMind 工程師所交付的大部分程式碼。這項分析發現，2026 年 4 月 1 日之後，AI 進展速度並未出現統計上顯著的加速，該實驗室的能力指數以每月穩定 0.1 分的速度上升。该公司將此形容為其首次對機器學習研發自動化與加速的全面實證評估。

這項發現與令 AI 高層紛紛呼籲放緩腳步的情境相悖。該情境被稱為遞迴自我改進：AI 打造出更聰明的版本，再打造出更聰明的版本，直到進展超越人類測試、監管或將其關閉的能力——亦即報告所形容的「現有防護機制嚴重不足的處境」。

「目前 ML 研發——無論是否由 AI 驅動——並沒有出現顯著的端到端加速，」參與這項評估的 Google DeepMind 研究員 Haydn Belfield 在 X 上的一則推文串中寫道。「因此我們得出結論，AI 驅動的 ML 研發風險目前屬於低。」ML 研發是機器學習研究與開發的簡稱，即打造新 AI 模型的工作。

1/9 In the Gemini 4 Argon Safety & Security Report, we published our first holistic empirical assessment of ML R&D automation and acceleration inside Google DeepMind — combining capability benchmarks, a macro capability index, data on AI-written code and trajectory outcomes, and… pic.twitter.com/Vr8Q5Obbsp

— Haydn Belfield (@HaydnBelfield) October 14, 2026

DeepMind 追蹤這一議題，是因為「AI 可能让前沿能力提升的速度超過安全、治理與社會調適所能跟上的腳步」，Belfield 寫道。更大的自動化程度也意味著讓 AI 代理更廣泛地存取公司系統——並讓目標失準的模型（追求其開發者從未意圖的目標）有更多空間造成麻煩。

穩定攀升，而非躍升

為了衡量進展，團隊建立了 GCI v1，一個將 123 個 AI 模型在 92 項基準測試上的分數融合為每個模型單一數字的內部指數——相當於 AI 的智商分數。「前沿 Gemini 能力以每月約 0.1 GCI 分的驚人穩定速度改善，」Belfield 寫道。這項區別至關重要，因為真正的遞迴自我改進，按定義而言，會在這類曲線上呈現向上彎折。

報告的指數圖表中，Gemini 1.5 Pro 在 2024 年底接近 0.5 分，Gemini 3.8 Flash 在 2026 年 9 月略高於 2.9，幾乎每一次發布都緊貼一條直線。Argon 是唯一高於趨勢線的資料點，約為 3.3——不過其誤差範圍，即其真實分數可能落入的區間，向下延伸至足以觸及趨勢線。

「雖然 Gemini 4 Argon 高於趨勢，我們將此歸因於運算與組織投入的增加，而非反映 AI 驅動的加速，」Belfield 寫道。Google 於 9 月 30 日發布 Gemini 4 Argon。

大部分程式碼由 AI 撰寫，但人類仍在主導

DeepMind 大部分正式產品程式碼如今超過 75% 由 AI 撰寫，而完全委派的 pull request（在正式上線前提交審查的程式碼變更集合）占比在 4 月至 9 月間從 7.5% 上升至 11.9%。即便如此，「約 88% 的 pull request 仍需要多輪的人類引導或由人類撰寫程式碼——而且程式碼變更在提交前仍須經過人類審查，」Belfield 寫道。

一項針對 12 位 DeepMind 高階領導人與研究人員的調查發現，自動化程度在「規格明確、可驗證的執行型任務」中最高，而在「開放式的科學構想、新穎的實驗設計、診斷細微的訓練不穩定問題，以及長週期的研究品味」中最低。簡而言之，AI 擅長執行指令，卻難以判斷哪些想法值得追求。

DeepMind 也檢視了 1,389 份 Argon 在公司內部擔任代理工作的日誌。任務規模越大，模型獨自完成的機率就越低——而人類介入的頻率就越高。整體而言，Gemini 4 Argon 在其完成的內部研究工程任務中僅解決了大約一半，遠低於 DeepMind 視為完全自動化危險訊號的 90% 門檻。這項公開的門檻為讀者提供了一個具體標尺，用以衡量未來有關失控自動化的各種說法。

與先前警告形成對照

這份報告為一場至今主要以警告形式進行的辯論提供了內部數據支持。報告發布的一個月前，Anthropic 執行長 Dario Amodei 主張遞迴自我改進已在加速——這一警告獲得 Sam Altman 與 Elon Musk 的附和，並導致晶片類股下跌近 6%。幾天前，前 Anthropic 工程師 Jacob Coxon 離開了業界，警告 AI 可能在「這個十年結束前毀滅人類」。

DeepMind 的數據僅涵蓋其自身實驗室，而報告也指出，無法排除不受限制的 Argon 版本會跨越該公司針對網路攻擊與生物武器資訊設定的危險門檻。