RSI两大里程碑发布

新智元报道 我们刚刚见证了历史！最近，「递归自我改进」领域有两项重磅发布！在过去十年里，预训练一个基座大模型，是科技巨头的「战备竞赛」。在开源社区，这需要几十名顶尖专家。在硅谷AI实验室，这需要几百人，需要有人专攻架构与扩展定律，有人清洗数万亿Token的数据，还有人日夜盯着成千上万张GPU防止集群崩溃。但就在今天，这道看似不可逾越的铁幕，被硬生生撕开了一道口子！两家初创公司几乎同时扔出了王炸，把「递归自我改进RSI」从科幻概念直接砸进了现实。消息一出，整个硅谷AI圈彻底沸腾，无数从业者后背发凉，连夜失眠。

1个人单挑百人军团！ 两款神级模型横空出世 今天的第一颗核弹，来自初创公司 Mirendil。 他们宣布了一项把「人效杠杆」推向极致的疯狂实验：仅用1名研究员就从零手搓出了一个参数量在1000亿到5000亿（100B–500B）之间的编程基座模型——Mirendil-Base！ 全程不到1000万美元的算力（含所有前期探索实验和Agent的Token消耗）、耗时3.5个月。

最让人头皮发麻的是细节：项目从一个空荡荡的代码库开始，没有买任何商业授权数据，没有用任何模型蒸馏或合成数据，纯粹基于PyTorch、JAX和公开的GitHub代码与网页数据。 那过去需要一个大厂团队分工协作的训练基建、模型架构改进、数据配比调优、底层算子（Kernel）优化，都是谁干的？ 答案是：AI智能体（Agents）编写了超过99%的代码，自己跑完了所有实验，甚至自己诊断训练故障！ 而那唯一的一名人类研究员，在这3.5个月里只干了两件事：决定尝试什么研究方向，以及判断哪些实验结果值得相信。

你以为单人训出来的模型只是个「玩具」？ 看一眼评测结果，所有人都沉默了。

在预测代码库任务中，Mirendil团队直接拉出了目前市面上最强的五个怪兽级编程模型同台竞技：Kimi-K3（总参数2.8T / 激活104B）DeepSeek-V4-Pro-Base（总参数1.6T / 激活49B）Inkling（总参数975B / 激活41B）GLM-5.3（总参数753B / 激活40B）Nemotron-550B-Base（总参数550B / 激活55B）面对这些动辄上万亿参数、背后站着数百人顶尖团队的MoE（混合专家）巨头，100B–500B规模的Mirendil-Base不仅打得有来有回，甚至在多个训练后新发布的外部代码库测试中拿下了惊人的高分！

以跨分词器公平对比的bits per byte交叉熵衡量，越低越好更恐怖的是，这只是个开始。 Mirendil透露，更大的Mirendil-Base-Large（500B–2T参数）已经训练了80%，而旗舰版Mirendil-Base-XL（2T–10T参数，真正的十万亿级巨兽）训练进度刚到19%，其表现就已经逼近了Large版本目前的得分！ 而且，他们的下一代模型，将直接由Mirendil-Base自己参与构建。

另一家大牛田渊栋的初创企业Recursive，正式发布了开放权重的400亿参数（40B）编程模型——Flint。 在短上下文场景下，Flint在搭载M4 Pro芯片的MacBook Pro上，每秒可生成超过125个Token； 在64GB版NVIDIA RTX Spark上，每秒可生成超过150个Token，速度最高可达同类模型的两倍在智能体编程基准测试中，在总参数量低于500亿的混合专家（MoE）模型中，Flint勇夺鳌头。 它的性能足以媲美总参数规模相近的最强稠密模型，运行速度却快得多。

更让人吃惊的是，Flint本身只是「附赠品」，真正的主角是背后的Eureka Machine——一套自动完成「提想法→实现→测试→决定下一步」完整研究循环的系统。 用Flint这个实际交付的模型，证明自动化研究确实能造出东西，而不只是跑玩具实验。 Recursive的目标是打造能够递归自我改进的超级智能，用来自动化知识发现。 Mirendil是「由人指挥AI，把人力和时间压缩到极致」； Recursive则是「用Eureka Machine让研究过程本身高度自动化」。

两家公司不约而同地瞄准了RSI：AI编程能力越强➡️AI搞科研的速度就越快➡️造出更强的下一代AI。 闭环，正在我们眼前合拢！ 加州大学伯克利分校教授、Databricks联合创始人Ion Stoica等大佬纷纷转发惊叹。 正如业内人士所言：「很快，一切就只取决于两件事：你有多少算力，以及你的『发现循环』做得有多好。 」初级研究员破防了，NVIDIA大佬紧急喊话 历史的车轮滚滚向前，但被碾过的人却感到了刺骨的寒意。 看到Mirendil和Recursive的消息后，一位刚入行的初级研究员彻底破防了。

他深夜给英伟达（NVIDIA）资深研究员Ali Hatamizadeh发去私信，字里行间全是沮丧和恐惧：整个预训练过程就一个人，没有研发团队，什么都没有… … 如果一个人加一个计算集群，就能干完过去整个团队的活儿，那我花了这么多年苦心积累的专业能力，岂不是还没捂热就已经过时了？ 这种焦虑，今天正在无数AI实验室和程序员群体中疯狂蔓延。 面对年轻同事的恐慌，英伟达研究员Ali没有熬鸡汤，而是写下了一篇极其硬核、甚至有些扎心的长文，向所有技术人紧急喊话：别被营销标题吓破了胆！ 你并没有过时，但你的「饭碗」确实已经换了！

Ali撕开了「单人训千亿模型」背后的底层逻辑，并指出了普通研究员在RSI（递归自我改进）时代的四大生存法则：第一，认清现实，别再靠「复读旧配方」混日子了Ali直言，RSI（递归自我改进）确有其事。 今年9月，OpenAI就披露其研究部门记录的智能体工作量，已经达到了每个人类工作日对应3.1个智能体工作日，并计划在2028年3月前实现「自动化AI研究员」。 如果你的五年规划还假设AI不会接管预训练，那趁早改规划吧。 但是，为什么Mirendil的1个人能训出模型？ 因为常规预训练的「配方」已经彻底成熟且公开了！

各大厂早就把开源权重、详细的技术报告喂到了嘴边。 只要算力管够，照着公开的常规架构（比如加个滑动窗口注意力），让AI把代码写出来，训出个好模型根本不难。 这时候解决的是「执行和预算问题」，而不是「科研问题」。 「如果你的主要工作，只是把去年的训练方案稍作调整、换批数据再跑一遍，那么这类工作的空间正在迅速缩小。 」这是最让人不舒服的真相：靠「复现已有成果」当炼丹童子的旧饭碗，已经被AI砸碎了。 第二，AI吃掉了执行力，「判断力」成了你的天价新饭碗既然AI写了99%的代码，那为什么还需要人类？

因为自动化科研在最关键的环节上，根本还没跑通！ 比如在EinsteinArena平台上，AI智能体确实刷新了11个未解数学问题的纪录（把11维空间中接吻数的最佳已知下界从593提高到了604）。 但前提是：人类事先定义好了问题，并写好了自动评分代码。 还有前阵子吹上天的「全AI生成论文通过同行评审」，扒开细节一看：它只通过了一个接收率高达70%的研讨会（Workshop）初审，非主会，而且后来还撤稿了。

在OpenAI内部，那些人类需要花4—8小时完成、而智能体最终成功完成的任务中，超过一半仍然需要至少一次人工干预。 为什么？ 因为智能体给出答案极快，语气永远自信满满。 它会兴冲冲地跑来告诉你：「某项指标暴涨了3个点！ 」还贴心地附上了消融实验表格和一套自圆其说的解释。 但实际上呢？ 这3个点可能完全是假象——它来自评测中的数据泄漏、数据加载器的底层Bug、碰巧撞大运的随机种子，或者分词器不匹配！ 在执行成本归零的时代，「决定该做哪个实验、该相信哪个结果、该放弃哪个方向」的判断力，就是你最铁的新饭碗！

把智能体的速度，加上你自己的想法和判断力，哪怕你是刚入行的初级研究员，也能瞬间化身为「十倍效率研究员」。 第三，时代的悖论：越把活儿交给AI，你的基本功越得硬很多新人会想：「既然以后只拼判断力，那我是不是不用学底层代码了，直接学怎么指挥AI就行？ 」Ali给出了一个振聋发聩的警告：这个时代的悖论——交给智能体的工作越多，你的基本功就越重要。 因为你永远无法监督自己不理解的东西！ 你能一眼看出AI跑出的结果有猫腻，靠的是对整个系统骨子里的理解：损失曲线（Loss Curve）为什么长成这种形状？

多大的提升才符合物理规律？ 什么样的结果「好得令人起疑」？ 怎么练就这种毒辣的眼光？ Ali给出了最实在的建议：亲手造轮子：至少亲手从零实现一次注意力机制（Attention），再实现一种线性变体，比如Gated DeltaNet。 搞破坏实验：从头到尾自己训练一个小模型，然后故意把它弄坏，亲眼观察崩溃时会发生什么。 带着质疑读论文：连附录也别放过，在看到作者的实验数字之前，先在脑子里对合理的结果建立预期。 有了这些硬核知识，你才能真正指挥机器，而不是它说什么，你就信什么。

第四，大模型远未研究透，遍地都是黄金考题最后，别觉得大模型已经没啥可研究的了。 一个人能训出基座模型，只是因为旧路已经被趟平了。 Ali直接列出了7个至今无人能完美解答的黄金课题，随便突破一个都够你吃一辈子：少样本高效学习：怎样用更少的数据，学到更多东西？ 新架构