35B掀翻DeepSeek V4：中国团队用「自我进化」打了全世界一个措手不及

你可能还没反应过来，但AI圈今天炸了。

不是OpenAI发了新模型，不是谷歌又画了个大饼。

是中国团队。

由上海交通大学人工智能学院、深势科技和上海算法创新研究院组成的「无尽前沿团队」，今天正式发布了BigBang-V1。

说人话：这是全球第一个通过「原生RSI」训练出来的基座大模型。

什么概念？RSI就是递归自我改进，让AI自己生成训练数据、自己验证、自己迭代、自己变强。不再需要人类标注师一页页标注数据，不再依赖现有数据集的”喂养”。

AI学会了自己教自己。

更狠的是性能。

BigBang-V1只有35B参数，但它在一系列可验证前沿任务上，直接击败了DeepSeek V4。35B打几百B，以小搏大，还赢了。

这就是RSI的恐怖之处——不是拼参数，是拼进化速度。

如果你觉得这只是一个技术新闻，那格局小了。

同一天，谷歌传奇人物Jeff Dean宣布离职。这位在谷歌效力27年的大神，转头就和三位顶尖老友创立了新公司Discovery Loop。

猜他们押注什么方向？RSI。递归自我改进。让AI持续自我迭代，自动攻克机器学习、科学研究和工程技术领域的硬骨头。

Jeff Dean的判断和中国「无尽前沿团队」的实践，指向了同一个答案：AI的下一阶段，不是更大的参数，不是更强的算力堆砌，而是让AI自己进化自己。

当硅谷还在琢磨这个方向的可行性时，中国团队已经把论文发了、模型开源了、跑分摆出来了。这不是跟随，这是抢先交卷。

RSI为什么可怕？

传统大模型有个天花板：数据。互联网上高质量的人类文本快用完了，人工标注成本高得离谱。你再怎么堆GPU，没有新的高质量数据，模型就撞墙了。

RSI打破了这堵墙。它让模型自己提出问题、自己求解、自己验证答案是否正确。对的就是新训练数据，错的就丢掉重来。这个过程可以无限循环——AI越练越强，越强越能炼出更难的问题，更难的问题练出更强的AI。

一个自我强化的飞轮。

无尽前沿团队的论文里讲得很清楚：他们的RSI循环覆盖了数学、编程、科学推理等可验证领域。模型生成答案后，系统自动判定对错，对的纳入训练集，错的丢弃。跑完一整圈，模型能力就上了一个台阶。然后新模型生成更难的问题，再跑一圈。

每圈都上一个台阶。

35B参数能在特定任务上击败DeepSeek V4，原因就在这里——不是模型本身有多聪明，是这个进化机制太强了。

如果35B就能打败DeepSeek V4，那下一个迭代周期之后呢？再下个周期呢？

参数不是护城河。进化速度才是。

Jeff Dean看得很清楚。他离开谷歌不是退休，是抢跑。Discovery Loop的愿景是让AI接管「提出假设→执行实验→验证结论」的完整科研闭环。这不是写写文章、画几张图，是要让AI成为真正的科学发现引擎。

而中国「无尽前沿团队」已经用BigBang-V1证明：这条路能走通。

当然，冷静地说，BigBang-V1目前击败DeepSeek V4的范围集中在可验证任务上。在开放域的对话、创作、通用推理方面，35B的体量仍然有天然上限。RSI不是魔法，它在数学、编程这类有明确对错标准的问题上最有效。但谁能保证这个边界不会扩大？

DeepSeek几个月前用工程优化打破了「大模型必须大」的迷信，现在无尽前沿团队用RSI给这个论点加了个更狠的注脚：不只不需要大，还可以让小的自己把自己练大。

这才是真正让硅谷睡不着觉的地方。

Jeff Dean刚跑出来创业，中国队已经撞线了。这不是巧合，这是信号。

AI的下一个时代，拼的不是烧钱，是让模型学会自己走路。