结论会变,方法不变:什么算证据、什么只算主张、谁说的、在什么条件下说的。
大模型最先接手的是编程,其次是办公;下一站是科研(AI4S),更远处是物理世界(世界模型)。 推着它们往前走的有两个引擎:大模型本身(GPT、Claude、Gemini 与国产开源),以及递归自我改进(RSI)——AI 参与改进 AI 自己,让研发本身加速。 「AI 科学家」用在 AI 身上就是 RSI,用在生物和材料上就是 AI4S。
每一期动态回答三个问题:
一个领域多快被 AI 接手,取决于验证一个结果对不对要花多少时间和钱。 这不是新说法:Jason Wei 称之为「验证者定律」——任务越容易验证,AI 越快学会。编程最先被接手,RSI 最先在代码上发生,都是同一个原因。 它是一条研究假说,不是定律:数据多少、出错的代价、部署门槛同样影响先后,验证成本只是其中最能解释现有顺序的一个。出现什么反例会推翻它,写在对应的判断页里。
| 台阶 | 验证器 | 验证一次 | 现在 |
|---|---|---|---|
| 编程 | 测试与编译器 | 秒级 · 几乎免费 | 已进入生产 |
| 办公 | 人工评审 | 分钟到小时 · 要专家看 | 进行中 |
| 科研(AI4S) | 模拟与湿实验 | 几天到几年 · 昂贵 | 约两年内 |
| 物理世界(世界模型) | 只有真机 | 慢、贵、不可重复 | 行业早期 |
这些成熟时间都是判断,不是预言,每次更新都拿新证据复核。最容易推翻它的是两件事:自动实验室把湿实验的成本大幅压低,科研会比预想快; 世界模型真的成为物理世界的「廉价验证器」,物理世界这一级会被提前。反过来,如果开放式研究的判断力迟迟上不去,科研也可能比预想慢。 每条判断的推翻条件与变动历史都在判断台账里。
每把尺子的名字是这里起的,刻度尽量对标外部已有的分级;对不上的地方,写明是判断。
上下文与记忆 → 脚手架 → 权重与训练流程 → 整个研发。前两阶段对标翁荔的五级梯子;后两阶段对标 Anthropic《负责任扩展政策》、OpenAI《Preparedness Framework》、 Google DeepMind《Frontier Safety Framework》里共同设下的 AI 研发台阶——三家都在「加速」与「完全自动化」之间设了一级,所以阶段 3 拆成 3a、3b。对标表在 RSI 页。 阶段状态只描述有没有公开证据表明它在发生,不预测何时完成:
两个相互独立的轴。角色说 AI 在科研闭环里做到哪一步,对标 arXiv:2508.14111 的四级自主性;检验说结果经受过什么样的检验。只做预测的 AlphaFold 2 经过了盲测和上万个实验结构的对照,是被检验得最彻底的一个; 而刚进临床的药,角色只到「设计」。两件事不能用一个等级表达。
四条技术路线回答「怎么建模世界」:潜空间规划(MBRL)、联合嵌入预测(JEPA)、视频生成模拟器、3D 空间智能。 四个场景回答「拿去做什么」:机器人、自动驾驶、游戏与交互、通用,取自 arXiv:2411.14499 的应用划分。 只输出动作、不预测世界状态的具身策略(VLA)是世界模型的下游,单列,不计入世界模型。 能力矩阵的六个维度记录的是证据的强度,不是能力的强弱:
「引擎那一侧的某件事影响了某条前沿」这类命题,绝大多数只停在论证层面。把它塞进「有演示无数据」是撒谎,塞进「未涉及」是抹掉,所以单列两档。 能力矩阵只用前两档和「未涉及」。绝大多数传导目前只到「有论证,无实验」,不会为了好看往上抬。
在证据库里,所有证据并到同一张表上,拆成三个相互独立的轴:强度回答「这条主张离证据有多远」,来源回答「是谁说的」, 可核验性回答「别人能不能自己去查」。三个轴不互相换算,也不合成总分。来源由来源字段自动归类,一条证据可以同时属于几类:
两条守则。其一:开源代码与开放权重只抬高可核验性,永远不抬高证据强度——公开代码是复现的必要条件,不是充分条件, 这也是 ACM 把「制品已公开」与「结果已被独立跑通」做成两个徽章的原因。其二:评为「实测」但只有厂商或作者自己口径的条目,一律标「自报数字」。立场单独标:RSI 证据分「支持 / 反方」,其余凡有反方研究或口径之争的都标「有争议」,在证据库里可以单独筛出来。
固定信源。大模型:OpenAI、Anthropic、Google DeepMind 的官方发布与系统卡,国产开源模型的 Hugging Face 模型卡。 RSI:arXiv 的 cs.AI / cs.LG、METR 与 Epoch AI 的测量、各实验室关于自动化研究的披露。AI4S:《自然》《科学》及子刊、bioRxiv 与各机构官方发布,药物进展以 clinicaltrials.gov 为准。 世界模型:arXiv 的 cs.RO、Hugging Face Daily Papers、主要机构的官方博客。中文科技媒体只作线索,数字都回到一手来源核对。
不按日历更新,按事件更新:有关键发布(新的旗舰模型、RSI 的新证据、新药进入下一期临床、新的世界模型)就更新一期。 每一期同时做三件事:把全站数据换到最新;逐条复核判断台账;写一期动态说明动了什么。 主列表只留当前最有代表性的——大模型每个阵营展示最强与最新的两个,国产开源展示最强的一个;被取代的撤进「往期」,数据和链接都保留,因为判断和证据还在引用它们。 每条内容都带收录的期号,所以每一期能自动列出自己的全部新增。已更新 4 期(2026 年 11 月 11 日、2026 年 9 月 24 日、2026 年 9 月、2026 年 8 月),其中 4 期写了正文。
纯静态站点:没有后端、没有登录、不调用大模型,每一句话都是人写进内容文件的。收录大模型 19 个、世界模型 36 个、 AI4S 条目 20 个、RSI 证据 12 条。2026 年 8 月以「世界模型志」之名上线,9 月扩展为现在的四条线;那时的两期原样保留。