谷歌工程師海頓·貝爾菲爾德（Haydn Belfield）表示，儘管AI在模型研發中的自動化程度持續提升，但目前尚無可衡量的證據表明，AI自主驅動的研究正在加速發展。

貝爾菲爾德指出，當前AI編寫的生產代碼已超過75%，但約88%的代碼變更仍需人工監督或審查，每次變更在提交前也必須經過人工審覈。完全交由AI處理的代碼變更比例已從7.5%升至11.9%。在 1389 次Argon內部智能體運行測試中，任務複雜度越高，AI無人干預的成功率越低。

開發者 程序員 黑客 代碼 漏洞

針對 12 位DeepMind高級研究人員的調查也顯示，AI在定義明確、結果可驗證的任務中自動化程度較高，但在創造性研究、實驗設計、訓練異常診斷和長期規劃方面仍依賴人類。

在包含 74 項真實機器學習工程任務的RE-Bench基準測試中，Argon的任務解決率約爲50%，高於Gemini 3.7 Flash的27%，但距離實現全面自動化仍有差距。

爲追蹤AI能力變化，研究團隊構建了涵蓋 123 個模型、 92 項基準測試的通用能力指數（GCI）。數據顯示，Gemini模型能力以每月約0. 1 個GCI點的速度穩定增長，尚未出現統計學顯著的加速跡象。團隊認爲，Gemini 4 Argon略高於增長趨勢線的表現，主要來自算力和組織投入增加，而非AI自主推動的研發加速。

目前，研究團隊認爲AI驅動研究自動化帶來的風險仍相對有限，但正持續完善監測體系。與此同時，傑弗裏·辛頓、約書亞·本吉奧及OpenAI首席科學家雅庫布·帕喬基等 20 多位研究人員警告，AI可能在未來幾年實現研發工作的高度自動化，將數年進展壓縮至數月。不同判斷凸顯了AI自我改進能力及其潛在風險仍存在較大不確定性。