NBA下注｜篮球赛事·赛前数据分析

历史性的一刻已经到来！ 

近日，「递归自我增强」领域接连出现两项重大进展！

过去十年间，训练一个基础大模型，是大公司之间的一场「军备竞赛」。

在开源社区，这需要几十名顶尖专家。

在硅谷的人工智能实验室，这需要几百人，有人专门研究架构和扩展规律，有人清洗数万亿个Token的数据，还有人日夜盯着成千上万块GPU以防集群崩溃。

然而就在今天，这道看似无法跨越的壁垒，被硬生生撕开了一个缺口！

两家初创公司几乎在同一时间发布了重磅消息，将「递归自我增强RSI」从一个科幻概念直接变成了现实。

消息传出后，整个硅谷人工智能圈瞬间沸腾，无数从业者感到背后发凉，彻夜难眠。

一人单挑百人团队！两款神级模型震撼登场

今天的第一颗重磅炸弹，来自初创公司 Mirendil。

他们宣布了一项将「人力杠杆」推向极致的疯狂实验：仅用 1 名研究人员就从零开始手动打造了一个参数量在 1000 亿到 5000 亿（100B–500B）之间的编程基础模型——Mirendil-Base！

整个过程花费不到 1000 万美元的算力（包含所有前期探索实验和智能体的Token消耗）、耗时3.5 个月。

最令人震惊的是细节：

项目从一个空白的代码库开始，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合作完成的训练基础设施、模型架构优化、数据配比调整、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，自己运行了所有实验，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信赖。

你以为单人训练出来的模型只是个「玩具」？看看评测结果，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获得了惊人的高分！

以跨分词器公平对比的 bits per byte 交叉熵衡量，越低越好

更可怕的是，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%，其表现就已经接近 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。

更令人惊讶的是，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（递归自我增强）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（递归自我增强）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：

1. 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。
2. 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。
3. 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：

1. 少样本高效学习：怎样用更少的数据，学到更多东西？
2. 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？
3. 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？
4. 长程推理可靠性：为什么任务一长，推理就变得