AI圈迎来一场「大地震」！

今早，谷歌传奇大佬Jeff Dean一纸公告，告别效力了27年的谷歌。

几乎同一时间，他与三位顶尖老友一起打造的新公司——Discovery Loop，也正式浮出水面。

从名字就能看出，他们押注的，正是当下AI领域最火热的方向RSI（递归自我改进）。

让AI持续自我迭代、自我进化，并自动攻克机器学习、科学研究和工程技术领域的重要难题。

Discovery Loop所代表的，是一条越来越清晰的路线：用AI加速AI。

未来，AI将彻底告别单纯的「问答模式」，全盘接管「提出假设➔执行实验➔验证结论」的完整科研闭环。

而就在今天，中国队也下场了。

BigBang-V1首秀35B击败DeepSeek V4

由上海交通大学人工智能学院、深势科技、上海算法创新研究院组成的「无尽前沿团队」，已经把这条循环跑完了一整圈。

他们交出的，是第一个通过「原生RSI」方式，训练出来的全新基座大模型——BigBang-V1，总参数35B。

主页：https://endlessfrontier.tech/

论文：https://endlessfrontier.tech/assets/paper.pdf

模型：http://t.cn/AXCkYjOY

以可验证前沿任务为牵引，它用了100%纯AI合成的数据，便实现了性能大爆炸。

在35B级别的测评中，BigBang-V1一口气狂揽十项第一。

在OpenAI提出的高难度科学基准FrontierScience Research上，它拿到46.2分，击败了DeepSeek V4 Pro。

35B硬刚1.6T，在45倍的体量悬殊之下，BigBang-V1完美诠释了什么是真正的「以小博大」。

它在各大高难度榜单的战绩，也同样堪称硬核：

在Humanity's Last Exam （人类最后考试）基准上，BigBang斩获50.3分，击败V4 Pro，堪比Gemini 3.1 Pro。

这是一个测试大模型综合推理能力的基准，由Scale AI在Nature正刊上提出。

在OpenAI提出的PaperBench (Code-Dev)上，BigBang跑出了53.6，V4 Pro仅为50.4。它主要考的是大模型复现AI学术论文的能力。

另一个OpenAI提出，考察模型自主完成AI工程能力的基准MLE-Bench (Lite)上，BigBang亦交出了59.1分的亮眼答卷。

不仅如此，它还在更高难度的BioMysteryBench Human-Difficult上，取得了15.7分，V4 Pro为13.7分。

这是Anthropic迄今推出的唯一一项基准测试，主要考察大模型解决生物信息学研究问题的能力——

给模型一堆带噪声的测序数据，要它分析出一个精确、且符合评分标准的生物学结论。