大模型盲測競技場 Arena 上出現了一個掛著 gemini-3.8-flash 名字的模型，但它的表現與已正式釋出的 Gemini 3.8 Flash 明顯不在一個層級。多位開發者實測後認為，這個匿名模型的真實身份很可能是谷歌尚未釋出的下一代旗艦 Gemini 4 Pro。
事情的起點是 9 月 2 日谷歌正式釋出 Gemini 3.8 Flash。官方稱這是 Gemini 3 系列最新一代 Flash，在軟體工程、Agent 任務和複雜多步推理上均有提升，而從 3.7 Flash 到 3.8 Flash 只隔了 三週。正因如此，當 Arena 裡又冒出一個同樣叫 gemini-3.8-flash 的模型時，開發者很快察覺異常——真正的 3.8 Flash 已經擺在那裡，有現成參照物，而這個模型寫程式碼、做 SVG、跑 Agent 的表現又往上跳了一截。
最早引發傳播的實測集中在 SVG、網頁和 3D 場景。開發者 Harshith 讓它用 SVG 畫一隻側面的家貓，並與 GPT-6 Astra Max 和正式版 Gemini 3.8 Flash 對比，結果在輪廓、比例和細節完整度上都有肉眼可見的差距。網友 @thtbee_ 從多個角度連續測試：一個 Voxel 風格寶塔跑了 8 分鐘，直接生成一整套可互動 3D 場景；一架空客 H145 直升機大約 10 分鐘搭出完整 3D 展示頁面，不過頁面底部 UI 元素被指略顯粗糙；一套單色主題網站約 14 分鐘完成，整體乾淨完整，過去 Gemini 常被吐槽的設計品味問題似乎有所改善。另一位網友 @Mr_Salio 直接拿它做遊戲，畫面流暢度和世界生成完成度都較高。
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，並貼出一張疑似內部終端資訊的截圖。按其說法，該模型內部標識出現 G4P-ARGON 和 VIA_3.8_FLASH，最大輸出 256K，上下文視窗超過 1000 萬 token，還帶有跨會話永久記憶、無需 API 即可聯網、後端自動編譯執行指令碼，甚至物理機器人控制等能力。若屬實，這顯然不是一次普通的 Flash 升級。
與此同時，一張 Gemini 4 Pro 的 benchmark 對比表在社群瘋傳。圖中資料顯示，它在軟體工程測試 DeepSWE v1.1 拿到 88.7%，終端 Agent 測試 Terminal-Bench 2.1 達到 95.3%，專家級知識推理 HLE-Verified 衝到 72.1%，電腦操作 Agent 測試 OSWorld 2.0 達到 86.8%；在衡量真實知識工作的 GDPval-AA v2 上被寫成 2064 Elo，突破 2000 大關。若這些資料屬實，Gemini 4 Pro 將直接站上前沿模型之巔。
但越是誇張越需謹慎。這張 benchmark 表與 Qwinah 挖出的疑似後端截圖並不完全對得上，表中作為對照項的 Astra 得分也不符合官方資料，兩份材料均無谷歌、Arena 或相關 benchmark 的官方背書，目前仍只是社群流傳的資訊。唯一能確認的，是那個名叫 gemini-3.8-flash 的模型及其完全不符合 Gemini 3.8 Flash 的表現。
社群迅速把答案指向 Gemini 4 Pro，還有一個重要原因：谷歌的 Pro 模型已空窗太久。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。於是猜測越來越像樣——谷歌可能根本沒打算把真正的大升級留給 3.5 Pro，而是直接憋到了 Gemini 4 Pro。
如果說 Gemini 4 Pro 目前還只是社群傳言，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。這次傳聞裡 RSI 被反覆提及。RSI 全稱 Recursive Self-Improvement，遞迴自我改進，簡單說就是 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。一旦這個迴圈跑起來，被加速的不只是模型能力本身，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，並把遞迴自我改進列為重點關注方向之一。雖然谷歌尚未公開宣佈已實現這一閉環，但它正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，再把結果反饋回研發流程。9 月 2 日釋出 Gemini 3.8 Flash 時，谷歌官方說明也提到，一套長期執行的 Agent 迴圈正在「遞迴地評估和改進底層模型」。Google DeepMind 研究員姚順宇在 3.8 Flash 釋出後，化用阿姆斯特朗登月時的話形容這次更新：這是模型的一小步，RSI 的一大步。谷歌近期還把 RSI 寫進了一篇新論文的標題——9 月 14 日，谷歌、GDM 等團隊釋出 Dream-RSI，專門研究如何讓 Agent 通過不斷改進探索策略實現遞迴自我改進，在演算法工程、數學最佳化和 GPU kernel 任務上都顯示出更高的探索效率和更低的搜尋成本。
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 研發自動化資料，稱外界需要知道前沿實驗室裡的 AI 研發到底有多少已開始由 AI 自己完成。資料顯示，截至今年 8 月，Claude 已能主導 26% 的 Anthropic AI 研發任務，即人類只需給出高層目標並監督，Claude 基本可端到端完成；這一比例在今年 2、3 月還不到 1%。同時，Anthropic 內部超過 90% 的 AI 研發任務至少已進入 AI 協作階段。國內，智譜創始人兼首席科學家唐傑近期表示，仍遠未達到遞迴自我改進，但最小的迴圈已經出現：模型最佳化系統，系統服務模型。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、除錯和最佳化，系統執行在超過 10 萬張國產 AI 晶片組成的叢集上，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初始水平的 3.2 倍。
就在幾天前，Anthropic 的 Dario Amodei 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，而人類理解、評估和控制它的速度未必能同步加快。因此他反覆強調，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許可權的獨立評測者；馬斯克表示 Dario 是對的；哈薩比斯也稱這是正確方向，只是具體怎麼做還需繼續討論。但倡議裡也提到，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、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。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，都要承擔把領先視窗讓給對手的風險；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在 Arena 匿名測試的 Gemini 4 Pro；Anthropic 這邊，社群近期開始出現 Opus 5.2 的灰度痕跡，有 Claude Code 使用者稱通過執行狀態和請求路由資訊看到了新的 claude-opus-5-2 模型標識，懷疑部分請求已被灰度到下一代 Opus；OpenAI 那裡，有人稱在後台模型列表裡看到了 gpt-6-sol 的模型名，也有人表示自己疑似已被灰度到新模型，目前廣為流傳的訊息稱 GPT 6 Sol 可能在下週釋出，或在美國時間 9 月 29 日的 Dev Day，總之不遠了。
三家前沿 AI 實驗室的下一輪模型，都已經開始在社群裡露出測試痕跡。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。