RSI两大里程碑发布，单人手搓千亿模型，英伟达大佬教「保命」法则
我们刚刚见证了一个历史性时刻！
近期，“递归自我改进”领域接连出现两项重大发布。
过去十年间，预训练一个基础大模型，一直是科技巨头间的“军备竞赛”。
在开源社区，这需要几十位顶尖专家。
在硅谷的AI实验室，这需要数百人，有人专攻架构和扩展定律，有人负责清洗数万亿Token的数据，还有人日夜盯着成千上万张GPU，以防集群崩溃。
但就在今天，这道看似坚不可摧的壁垒，被硬生生撕开了一个缺口！
两家初创公司几乎同时抛出了重磅消息，将“递归自我改进（RSI）”从科幻概念直接推进了现实。
消息传出后，整个硅谷AI圈彻底沸腾，无数从业者感到背后发凉，彻夜难眠。
1个人单挑百人团队！两款神级模型横空出世
今天的第一颗重磅炸弹，来自初创公司 Mirendil。
他们公布了一项将“人效杠杆”推向极致的疯狂实验：仅用1名研究员，就从零开始手动构建了一个参数量在1000亿到5000亿（100B–500B）之间的编程基础模型——Mirendil-Base！
整个过程花费的算力不到1000万美元（包括所有前期探索实验和Agent的Token消耗），耗时3.5个月。
最令人震惊的细节在于：
项目从一个空白的代码库起步，没有购买任何商业授权数据，没有使用任何模型蒸馏或合成数据，完全基于PyTorch、JAX以及公开的GitHub代码和网页数据。
那么，过去需要一个大厂团队分工协作的训练基础设施、模型架构改进、数据配比调优、底层算子（Kernel）优化，都是由谁完成的？
答案是：AI智能体（Agents）编写了超过99%的代码，自行运行了所有实验，甚至还自己诊断训练故障！
而那唯一的一名人类研究员，在这3.5个月里只做了两件事：决定尝试什么研究方向，以及判断哪些实验结果值得相信。
你以为一个人训练出来的模型只是个“玩具”？当看到评测结果时，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进行对比：
- 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取得了惊人的高分！
更恐怖的是，这仅仅是一个开始。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：这就是这个时代的悖论——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？
- 新架构探索：像Gated DeltaNet这样的线性注意力，能否在检索和长上下文任务中追上全注意力？混合架构中两者该如何配比？
- 持续学习：怎样让模型在训练结束后继续学习，同时不遗忘已经掌握的知识？
- 长程推理可靠性：为什么任务一长，推理就变得不那么可靠？该怎么解决？
- 消灭幻觉：模型为什么会编造内容？能不能让它们学会老老实实说“我不知道”？
- 新评测体系：当基准测试成绩趋于饱和，或测试内容混进了训练数据，我们该如何衡量模型是否真的进步了？
- 可解释性与控制：模型内部究竟发生了什么？面对自主性越来越强的模型，该如何确保它们按照人的意图行事？
你看，递归自我改进（AI造AI）不仅没有让研究走到终点，反而让上述问题变得前所未有地迫切！
如果以后真的由模型来训练模型，就必须有人来决定：它们应该优化什么？我们该怎样衡量？又该如何防止这个自我进化的循环越走越偏？
机器正变得越来越擅长沿着我们已经铺好的高速公路狂飙；但下一条路该通向哪里，方向盘，依然死死握在你的手里！
参考资料：
https://mirendil.com/news/pretraining-at-scale-without-a-pretraining-team/
https://recursive.com/updates/introducing-recursive-flint
https://x.com/ahatamiz1/status/2113344049784799378
https://x.com/istoica05/status/2113044240263782436
https://x.com/bneyshabur/status/2112941025862008949?s=20
https://x.com/RobertTLange/status/2112953581523370273?s=20
https://x.com/eliebakouch/status/2112953547759534279?s=20
本文来自微信公众号 “新智元”（ID：AI_era），作者：ASI启示录，36氪经授权发布。