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

近日，递归自我改进（RSI）领域迎来两项重磅发布，两家初创公司几乎同时宣布突破性进展，将这一概念从科幻推向现实。Mirendil 宣布仅用一名研究员和不到 1000 万美元算力，耗时 3.5 个月，从零构建了参数量在 100B–500B 之间的编程基座模型 Mirendil-Base。该团队未使用任何商业授权数据或模型蒸馏技术，完全基于开源代码与网页数据，且超过 99% 的代码由 AI 智能体自主编写完成。

在评测中，Mirendil-Base 面对 Kimi-K3、DeepSeek-V4-Pro-Base 等参数规模远超自身的巨头模型，表现强劲。目前更大的 Mirendil-Base-Large 已训练 80%，而旗舰版 Mirendil-Base-XL（2T–10T 参数）训练进度为 19%，其表现已逼近 Large 版本得分。与此同时，田渊栋的初创企业 Recursive 发布了 40B 参数编程模型 Flint，在智能体编程基准测试中夺得鳌头，其背后是自动完成研究循环的 Eureka Machine 系统。

这一变革引发硅谷 AI 圈震动，加州大学伯克利分校教授、Databricks 联合创始人 Ion Stoica 等人纷纷转发惊叹。面对行业焦虑，英伟达资深研究员 Ali Hatamizadeh 指出，常规预训练配方已成熟公开，执行层面的工作正被 AI 取代。

在 RSI 时代，单纯复旧有成果的研究空间正在缩小。AI 已承担绝大部分代码执行工作，人类的核心价值转向定义关键问题与展现判断力。正如 Ion Stoica 所言，未来的竞争将取决于算力规模以及构建高效「发现循环」的能力，传统依靠积累专业知识的生存方式正面临重构。