谷歌工程师海顿·贝尔菲尔德（haydn belfield）表示，虽然ai在模型开发过程中的自动化水平正不断提升，但目前仍缺乏可量化的证据证明ai主导的科研活动正在加速演进。
贝尔菲尔德提到，现阶段由AI生成并投入生产的代码已占全部生产代码的75%以上，然而约88%的代码修改仍需人工介入或复核，且每次提交前均须通过人工审批。完全由AI独立完成的代码变更占比则从7.5%上升至11.9%。在Argon内部开展的1389次智能体运行测试中，任务难度越高，AI在无人干预下成功完成的比例越低。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
对DeepMind 12位资深研究员的调研同样表明：AI在目标清晰、结果可验证的任务上自动化程度较高；但在涉及创造性探索、实验方案设计、训练异常归因分析以及长期战略规划等环节，仍高度依赖人类专家。
在 Linux 上通过 Chrome 挂载/VNC 自动发布小红书长笔记。Agent 撰写标题和正文后执行 xhs_publish.sh --publish --submit，触发小红书发布。
在涵盖74项真实机器学习工程任务的RE-Bench基准评估中，Argon的平均任务完成率约为50%，明显高于Gemini 3.7 Flash的27%，但距离全流程自动化仍有明显差距。
为系统追踪AI能力演进趋势，研究团队构建了通用能力指数（GCI），覆盖123个模型与92项评测基准。数据显示，Gemini系列模型的能力增长速率稳定在每月约0.1个GCI点，尚未观测到具有统计学意义的加速现象。团队指出，Gemini 4 Argon略超预期的表现，主要源于算力资源投入与组织协同效率提升，而非AI自身驱动的研发闭环加速。
当前，研究团队评估认为，AI推动科研自动化的潜在风险仍处于可控范围，但正持续优化监测机制。与此同时，包括杰弗里·辛顿（Geoffrey Hinton）、约书亚·本吉奥（Yoshua Bengio）以及OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）在内的20余位权威研究者联合警示：未来数年内，AI或有望实现研发流程的高度自主化，将原本需数年完成的技术突破压缩至数月。观点分歧反映出AI自我增强能力及其伴生风险仍存在显著不确定性。
