Gemini 4 Carbon泄露、RSI传闻与多实验室竞速：AI圈又一波猛料

一天之内，围绕Google、Anthropic和OpenAI的内部模型传闻集中爆发。从代号Carbon的新Gemini 4检查点，到各大实验室可能逼近"递归自我改进"（RSI）的说法，再到开源图像模型和AI辅助逆向工程的惊人成果——这些消息大多尚未经过独立验证，但拼在一起勾勒出一个耐人寻味的行业图景。本文梳理这些传闻的核心内容，并给出理性的判断。

Gemini 4 Carbon：Argon还没发布，更强的版本已在内测

据Business Insider的报道，Google正在内部测试一个代号为Carbon的新Gemini 4检查点，其编程能力被拿来与Claude Opus 5.5对标。一位据称测试过该模型的Google员工表示"Carbon在编程上的感觉像Opus 5.5"，但也承认需要更多测试才能下定论。

更有意思的是版本迭代的节奏。目前坊间流传的内部代号包括Argon、Barium和Carbon三个。即将公开发布的Argon据称基于更早的Barium-B检查点，而Carbon是更新的版本，已经进入Google内部的编程工具中。换句话说，Google可能正准备发布Argon，同时在闭门状态下测试一个更强的版本。

这里有一个老问题值得警惕：Google历来存在交付节奏慢、公开版本相比内部版本"缩水"的情况。如果Argon真的要很久才能到用户手里，等它正式发布时，竞争对手或许早已追平。手握强大的内部模型，却迟迟不开放，意义会被大打折扣。截至目前，没有任何独立基准测试证实Carbon对Opus 5.5的性能表现，这些都还停留在内部报告阶段。

RSI传闻：三大实验室是否都在逼近临界点？

真正点燃讨论的是"递归自我改进"（Recursive Self-Improvement，RSI）的说法。Business Insider的报道提及，多名Google员工私下讨论RSI可能在公司近期的AI进展中扮演了重要角色。一位Google研究员甚至在X上引用相关文章，意味深长地问道："你听说过递归自我改进吗？"

支持这一联想的证据之一是Gemini Flash系列的快速进步——有说法称其能力在短短数月内从约GPT-5级别跃升。需要强调的是，快速迭代本身并不能证明RSI已经实现，这只是"连点成线"的推测。但如果实验室确实在用自家AI模型来辅助研究、训练和改进下一代模型，倒是能解释为何迭代速度如此之快。

同样的叙事也出现在OpenAI和Anthropic身上。有传闻称，Anthropic大约一周前启动了一次全新的预训练，而且目标不是即将发布的Claude Fable 5.5，而是更大的东西——可能是Opus 6或Fable 6这类新一代模型，用于对标OpenAI传闻中的下一代模型Bell。至于Bell（可能有另一内部代号），有内部消息称它正是OpenAI近期发布的数学研究成果背后的功臣，甚至暗示RSI在其中发挥了作用。

把这些拼在一起，就出现了"OpenAI、Anthropic、Google可能都在逼近RSI"的宏大猜测。如果其中哪怕部分属实，AI的进展速度可能会急剧加快。这或许也解释了为何各大实验室近来频繁呼吁"放慢节奏"——但另一方面，它们每个月仍在推出能力更强的模型，这种矛盾本身就说明：所有说法都仍是未经证实的猜测，应保持相当的谨慎。

递归自我改进（Recursive Self-Improvement，RSI）是AI安全领域的一个核心概念，指AI系统能够自主修改或优化自身算法、架构乃至训练流程，从而产生更强的后继版本，而无需人类工程师的直接介入。这一过程一旦形成正反馈循环，理论上能以指数级速度提升模型能力。RSI的实现被许多研究者视为通往"智能爆炸"（Intelligence Explosion）的关键节点——即AI能力在极短时间内急剧跃升，超出人类的理解和控制能力。目前，主流实验室普遍将AI用于辅助研究（如自动生成代码、撰写论文、设计实验），这被称为"弱RSI"或"AI辅助研究"，与完整意义上的自主递归改进仍有本质差异。真正的RSI要求模型能够理解并优化自身的权重、训练目标乃至硬件配置，目前尚无公开证据表明任何系统已达到这一水平。正因如此，文中所提及的各种传言需要格外审慎对待。

开源与新模型：Qwen Image 2.1 Turbo、Decision One与免费模型

抛开传闻，这一轮还有几款实打实的新模型值得关注。

Qwen Image 2.1 Turbo 是通义千问^广告在原Image 2.1基础上推出的加速版本，只需8步去噪即可生成图像，相比原版约40步减少了80%的采样步数，据称仍能保持相当的画质。它基于70亿参数架构，可从文本提示生成细致的2K图像，并支持自然语言图像编辑——加配饰、换背景、改场景都可以用描述完成。模型权重已在Hugging Face开放，支持diffusers，可本地部署，官方也提供了托管API。

Microsoft Decision One 是微软推出的快速决策模型，被类比为"Jev的替代品"。与侧重生成文本的传统大模型不同，它专为结构化决策任务优化，目标是快速评估信息并确定最佳行动。微软称其在响应延迟和决策质量上优于传统大模型，并已在事件响应、质量控制乃至科学发现等场景中内部测试。

此外还有一款免费模型 Solar Masonry E4，来自韩国实验室Upstage AI，是一个350亿参数的MoE模型，但每次仅激活约30亿参数，计算效率高。它支持524K上下文窗口，速度据称可达208 tokens/s，在Artificial Analysis智能指数上得分24，为30亿活跃参数级别中的最高分，仅落后NVIDIA的Nemotron 3 Ultra一分。它主要面向文档解析与处理，目前可在Cline中免费试用。

Qwen Image 2.1 Turbo所采用的"8步去噪"技术，属于扩散模型（Diffusion Model）加速推理的研究方向。标准扩散模型的图像生成过程需要对随机噪声进行数十乃至上百步的迭代去噪，每一步都调用神经网络进行前向推理，计算成本较高。为此，研究者发展出多种加速采样方法：一类是改进ODE求解器（如DDIM、DPM-Solver），在更少步数内完成相同的去噪轨迹；另一类是一致性模型（Consistency Models）和流匹配（Flow Matching）等新训练范式，直接学习从噪声到图像的捷径映射。8步去噪相比40步减少约80%的推理计算量，在保持图像质量的前提下大幅降低了本地部署的硬件门槛和API调用成本，是当前开源图像生成模型走向实用化的重要趋势。

编程工具更新：Codex、Claude多智能体与Devin免费接入

编程相关的工具更新同样密集。OpenAI在"28天每天发布"的承诺下，为Codex推出了 Composer Predictions（面向桌面端Codex Pro用户的beta功能），能基于对话历史、项目上下文和用户习惯预测下一个提示，被称为内测期间最受欢迎的功能之一，且不消耗额度。Windows端则新增了基于微软执行容器（MXC）的沙箱模式，提供更快的启动、更强的网络限制和更细粒度的文件访问控制，但需要兼容的Windows 11设备。

Devin也宣布可通过现有的ChatGPT Go/Plus/Pro订阅接入，直接复用GPT模型额度，无需单独配置OpenAI API计费。严格来说这并非"完全免费"，因为你用的仍是自己付费的额度，宣传上略有误导，但对同时使用多种AI编程工具的开发者来说确实方便。

最亮眼的是Anthropic的 Claude Managed Agents动态工作流（公测中），引入多智能体编排。在Anthropic的测试中，他们在一个超过11.6万行代码的代码库里埋了70个bug：单个智能体三轮分别发现14、15、27个，而多智能体工作流三轮都稳定找到66个。据称单次运行最多可编排1000个智能体，对复杂编程任务潜力巨大，不过与速率限制如何协同还有待观察。另外Opus 5.5的Fast Mode也已上线，约285 TPS，仅消耗两倍用量。

Claude Managed Agents所采用的多智能体编排（Multi-Agent Orchestration）架构，与传统单次对话式AI的工作方式有根本区别。在单智能体模式下，模型在有限的上下文窗口内顺序处理任务，面对超大规模代码库时容易遗漏或产生"注意力稀释"问题。多智能体架构则将任务分解后并行分发给多个独立的智能体实例，每个实例专注于代码库的特定子集或特定类型的问题，最后由协调层汇总结果。这种"分而治之"的策略在理论上能覆盖更大的搜索空间，但也带来新的挑战：智能体间的通信开销、重复劳动、结果冲突的裁决机制，以及与API速率限制的协调——这也正是文中特别提到"与速率限制如何协同还有待观察"的原因。此次测试中单次最多编排1000个智能体，在大型工程代码审计和安全漏洞扫描场景中具有相当的实践价值。

AI辅助逆向工程：macOS跑RTX、PC模拟PS5

最能体现"AI改变开发"的，是两个实验性项目。

开发者NullMoth发布了面向Intel版Mac与黑苹果系统的实验性开源NVIDIA驱动，据称让现代RTX显卡能在macOS Sequoia上工作，甚至支持桌面级Metal 3应用。实现方式是将NVIDIA开源GPU内核模块移植到macOS、用Mesa的NVK Vulkan驱动构建Metal兼容层，并把Apple的Metal着色器翻译成NVIDIA GPU能理解的指令。据称Claude Code等AI工具在调试和开发中承担了大量工作。需要泼冷水的是：这是实验性项目，针对Intel系统，CUDA兼容性尚未验证，并不意味着能在M系列MacBook上即插即用。

另一个是 AnyPS5，尝试把PS5系统软件和游戏带到PC上，利用PS5本身采用x86-64架构这一前提，翻译其系统库和图形指令。流传的演示据称展示的是PS5系统软件在PC上通过模拟运行，而非直接跑游戏。AI编程工具同样在该项目中承担了大量工作。这离"完整模拟PS5"或"现代PS5游戏可玩"还很远，但AI让开发者得以挑战过去需要大量专业经验和时间的工程难题，这一点本身就极具启示意义。

值得一提的还有生态侧的几则动态：中国的米哈游、小米、美团等非传统AI公司都在投入自研大模型，其中米哈游据称有意数年内跻身顶级AI研究实验室，"AI驱动的游戏NPC"被视为潜力方向；Anthropic扩展的Claude创业者计划则因大量"薅羊毛"行为（有人注册10美元廉价域名冒充创业公司）导致48小时内申请量暴增21倍，随后部分已通过的用户权限被撤销，可能误伤真实创业者。

理性看待：热闹背后仍是"未经证实"

这一轮消息的共同点是信息密度极高、但验证程度极低。Carbon的性能、RSI的进展、各实验室的新训练任务，几乎都停留在内部传闻和社交平台猜测的层面，没有独立基准或官方确认。相比之下，真正落地的是Qwen Image Turbo、Decision One、Claude多智能体工作流以及那两个AI辅助的逆向工程项目——它们才是普通开发者可以立刻验证和使用的东西。对传闻保持兴趣可以，但把判断建立在可复现的事实上，才是更稳妥的姿态。