谷歌传奇Jeff Dean离职新智元
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：https://huggingface.co/endless-frontier
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。
技术报告里的几个具体案例，更能看清BigBang的优势在哪。
第一个现场：找病毒。
就以BioMysteryBench评测中，一道生物学题目为例——
三份人体肠道类器官的测序原始数据摆在面前，模型要判断感染的是哪种RNA病毒。
BigBang连跑三次，答案完全一致：诺如病毒GII.4，3/3全对。
DeepSeek V4 Flash呢？三次给了三种毫不相干的病毒，而且没一个沾边的。
第二个现场：复现论文，还挑出了错。
这次换了个活儿——复现。照着一篇论文，把它的方法原样实现出来。
结果BigBang读到一半就觉得不对劲。跑了几个测试一看，问题出在论文自己身上：核心设定有矛盾。
有个关键量被固定住了，这么一来，论文说能做到的「子集不断缩小」就根本发生不了。
于是，BigBang直接动手改了这处设计，让子集大小能真正变化，还顺带修好了一个梯度中断的问题。复现最后拿到0.7657。
相比之下，DeepSeek V4 Flash只做了语法检查，看代码能启动就交卷了，实际一次都没运行。最终结果只有0.3053。
把多个开源模型串成一条抗体设计流水线
单独的题看得差不多了。这次咱们上点狠的，直接甩给它一个真活儿：设计一款抗体。
BigBang的解法，是把它拆成一条流水线，让好几个开源模型接力干。
首先，用开源的蛋白质设计模型生成一批抗体候选，按规则筛掉一批。
然后把留下的交给AlphaFold，预测抗体与靶标的复合物结构，再用结构置信度和界面指标，评估结构是否稳定、结合是否合理。不达标的就直接淘汰，或者退回上一步重做。
过了AlphaFold这关，候选还要进一个开源的物理打分器，评估界面能量、原子冲突这些指标。
关键在于，这两步用的是两套完全独立的计算方法。只有它们的结论对得上，候选才留得下来。
当然话得说回来，这些还只是算出来的候选，不代表抗体真能用，最后还得靠实验去验。
设计出来的样例分子
看到这儿，你一定会忍不住追问：一个仅有35B参数的模型，凭什么拥有如此强悍的战斗力？
答案，就藏在它背后的「原生RSI」训练方式中。
令人震撼的是，BigBang使用的各学科前沿科研的数据，100%由AI合成。
