Слух о Gemini 4 Pro: тесты Arena, RSI, Dream-RSI и дискуссия о замедлении ИИ

Google необычно мало сообщает о Pro-линейке Gemini, тогда как модели Flash продолжают быстро развиваться.

Gemini 3.6 Flash, 3.7 Flash и 3.8 Flash вышли почти один за другим. Google официально выпустила Gemini 3.8 Flash 2 сентября 2026 года, назвав её своей самой производительной моделью Flash для длительной разработки программного обеспечения, автономных агентов и сложных многоэтапных задач.

Затем произошло нечто странное.

Модель с тем же обозначением gemini-3.8-flash начала появляться в Arena, однако разработчики, тестировавшие её, заявили, что её поведение заметно превосходит возможности уже знакомой им публичной версии Gemini 3.8 Flash.

Модель создавала более проработанные SVG-изображения, более полноценные веб-интерфейсы, более детализированные 3D-сцены и более сильные результаты в задачах агентного типа, чем тестировщики ожидали от публичного релиза 3.8 Flash.

Это быстро породило теорию:

Модель из Arena может быть скрытой тестовой контрольной точкой Gemini 4 Pro.

Доказательства вызывают интерес, но пока остаются косвенными. Google не анонсировала Gemini 4 Pro, а по состоянию на 20 сентября в публичной документации Google по моделям Gemini не указана ни одна модель Gemini 4.

Поэтому наиболее важная часть этой истории может находиться в другом месте: в ускоряющемся использовании ИИ-систем для оценки, оптимизации и создания следующего поколения ИИ-систем.

Именно здесь появляется тема рекурсивного самоулучшения, или RSI.

Подтверждённая история релизов Google помогает понять контекст.

Gemini 3.8 Flash вышла 2 сентября, всего через три недели после Gemini 3.7 Flash. Google назвала её третьим релизом Flash за шесть недель и заявила, что модель улучшила результаты в разработке программного обеспечения, агентных задачах и сложных многоэтапных рассуждениях, сохранив скорость и стоимость уровня Flash.

Поскольку настоящая 3.8 Flash уже доступна публично, у разработчиков есть прямая точка сравнения.

Поэтому, когда в Arena появилась вторая модель с тем же названием, которая выглядела существенно сильнее, это быстро заметили.

Тесты SVG стали одной из первых подсказок

В одном из широко распространённых сравнений моделям предложили нарисовать домашнюю кошку в профиль с помощью SVG.

Три результата, показанные в исходном материале, были подписаны слева направо как предполагаемая «Gemini 4 Pro», GPT-6 Astra и выпущенная Gemini 3.8 Flash.

Анонимный результат из Arena выглядел более полным и пропорционально проработанным, чем результат рабочей версии Flash.

Само по себе это не позволяет определить скрытую модель. Arena основана на слепой или частично слепой оценке, а более сильная анонимная модель может быть новой контрольной точкой, системой с другой конфигурацией или другим невыпущенным вариантом Gemini.

Однако разрыв оказался достаточно большим, чтобы слух продолжил распространяться.

Затем разработчики протестировали 3D-сцены, сайты и игры

Другие тестировщики направили модель на более сложные задачи генерации.

Один пользователь сообщил, что предполагаемой модели потребовалось около восьми минут для создания интерактивной сцены с пагодой в стиле воксельной графики.

Тот же тестировщик также описал подробную страницу с вертолётом Airbus H145, созданную примерно за десять минут, и монохромный сайт, завершённый приблизительно за четырнадцать минут.

Другой участник сообщества использовал предполагаемую модель для создания игры и сообщил о высоком визуальном качестве и полноте генерации игрового мира.

Общей особенностью была не максимальная скорость. Казалось, что модель часто тратит больше времени на рассуждения или генерацию, чем обычная модель Flash.

Именно это поведение также подогрело теорию о том, что за обозначением Arena может скрываться контрольная точка уровня Pro.

Самая громкая «утечка с бэкенда» всё ещё не подтверждена

Более сенсационное заявление сделал разработчик Qwinah, который сообщил, что ему удалось «перенаправиться через обходной маршрут» к бэкенду Gemini 4 Pro.

Он опубликовал скриншот, на котором, судя по всему, отображались внутренние метаданные модели со строками вроде G4P-ARGON и VIA_3.8_FLASH.

На скриншоте также заявлялись следующие возможности:

• Более 10 миллионов токенов контекстного окна.
• До 256 тысяч токенов на выходе.
• Постоянная память между сессиями.
• Автономный доступ к интернету.
• Компиляция и выполнение скриптов на бэкенде.
• Возможности управления, связанные с робототехникой.

Эти заявления не подтверждены Google, Google DeepMind, Arena или официальной документацией Gemini.

Поэтому скриншот следует рассматривать как неподтверждённый материал сообщества, а не как спецификацию.

По состоянию на 20 сентября опубликованная документация Google по Gemini API указывает для Gemini 3.8 Flash лимит входного контекста в 1 048 576 токенов и лимит выходных данных в 65 536 токенов. Официальной страницы модели Gemini 4 Pro или идентификатора API не существует.

Вирусная таблица бенчмарков заявляет огромные результаты — но не выдерживает проверки как доказательство

Отдельная таблица бенчмарков также широко распространялась.

В таблице утверждалось, что предполагаемая Gemini 4 Pro достигла примерно следующих результатов:

Если бы эти показатели были реальными, они вывели бы модель выше нескольких ведущих передовых систем в задачах программирования, работы агентов, рассуждений и управления компьютером.

Но у таблицы есть серьёзные проблемы.

У неё нет официального источника Google, подтверждения со стороны Arena, опубликованной конфигурации оценки или воспроизводимого запуска бенчмарков. Некоторые сравнительные значения для других моделей также не совпадают с их официально опубликованными результатами.

Например, в официальных материалах OpenAI о запуске GPT-6 Astra для Astra указан результат 74,1% в DeepSWE v1.1, а для нескольких других категорий используются иные версии бенчмарков.

Поэтому таблицу с результатами не следует представлять как подтверждённый результат Gemini 4.

Правильный статус выглядит просто:

загадочная более сильная модель в Arena: наблюдалась
идентичность Gemini 4 Pro: не подтверждена
вирусная таблица бенчмарков: не подтверждена
заявления о контексте 10 млн / выводе 256 тыс.: не подтверждены

Что действительно подтверждено в текущей линейке моделей Google?

Публичная документация Google показывает гораздо более сдержанную картину.

По состоянию на 20 сентября 2026 года:

• gemini-3.8-flash доступна в общем режиме.
• Gemini 3.8 Flash имеет контекстное окно в 1 млн токенов.
• Google публично называет её своей самой интеллектуальной моделью Flash.
• В текущем публичном списке моделей для разработчиков Google нет модели Gemini 4.
• Текущая Pro-линейка в публичной документации Gemini API существует отдельно от быстро развивающейся линейки Flash.

Это не доказывает, что Gemini 4 не тестируется внутри компании.

Передовые лаборатории регулярно оценивают невыпущенные контрольные точки до официального запуска.

Это лишь означает, что имеющиеся публичные доказательства пока не позволяют считать «Gemini 4 Pro» анонсированным продуктом.

Главный термин, стоящий за слухом, — RSI

Вторая часть исходной статьи отходит от самой утечки и обращается к более широкой идее: рекурсивному самоулучшению.

RSI описывает процесс, в котором ИИ-системы всё активнее участвуют в создании, оценке или улучшении будущих ИИ-систем, формируя цикл обратной связи: более совершенные модели помогают ускорить создание ещё более совершенных моделей.

Упрощённо это выглядит так:

ИИ помогает улучшать разработку ИИ
        ↓
ИИ следующего поколения становится сильнее
        ↓
более сильный ИИ активнее участвует в исследованиях и разработке
        ↓
цикл разработки ускоряется

Важно отличать это от утверждения, что современные передовые лаборатории уже достигли полностью автономного взрыва интеллекта.

Люди по-прежнему определяют исследовательские цели, проектируют системы обучения, распределяют вычислительные ресурсы, одобряют рискованные изменения и решают, когда модели можно выпускать.

Меняется доля цикла разработки, которую ИИ уже способен выполнять.

Google прямо заявляет, что Gemini 3.8 использует рекурсивные агентные циклы

Официальный анонс Gemini 3.8 от Google — одно из наиболее сильных подтверждений того, что эта тенденция реальна.

Компания заявляет, что Gemini 3.8 Flash и 3.8 Flash Cyber ускоряются за счёт длительных агентных циклов, предназначенных для рекурсивной оценки и доработки базовых моделей.

Эта формулировка важна, поскольку исходит непосредственно от Google, а не из предположений сообщества.

Она не означает, что Google добилась полностью автономного RSI.

Но она означает, что циклы оценки с использованием ИИ уже являются частью процесса разработки производственных моделей Gemini.

Исследователь Google DeepMind Shunyu Yao коротко описал значение этого события в публичной публикации после релиза 3.8:

Сообщение перефразировало фразу Apollo 11: небольшой шаг для модели, но гораздо больший шаг для RSI.

Dream-RSI превращает исследование в самоулучшающийся цикл

14 сентября исследователи из Google, Google DeepMind, Университета Мэриленда и Университета Вирджинии опубликовали работу Dream-RSI: Recursive Self-Improvement through Evolving Worlds.

Статья посвящена конкретному узкому месту: тому, как агент может улучшать способы исследования сложных пространств поиска, не оплачивая снова и снова дорогостоящие эксперименты в реальной среде.

Dream-RSI использует цикл, построенный на истории предыдущих исследований:

1. Агент исследует задачу и создаёт дерево открытий.
2. Эта история становится симулятором воспроизведения.
3. Альтернативные стратегии исследования недорого оцениваются внутри симулятора.
4. Лучшая стратегия переносится обратно в реальную среду.
5. Новый запуск расширяет историю, доступную для следующего цикла.

Исследователи сообщают об улучшениях в таких областях, как:

• Разработка алгоритмов.
• Математическая оптимизация.
• Разработка ядер GPU.

Эта работа гораздо уже популярной идеи о том, что ИИ автономно перепроектирует все части самого себя.

Тем не менее она демонстрирует реальный рекурсивный механизм: предыдущая работа системы становится учебным материалом для улучшения способов поиска будущих улучшений.

Anthropic заявляет, что Claude уже выполняет ведущую роль в 26% её исследований и разработок в области ИИ

В ту же неделю Anthropic опубликовала необычно подробные внутренние показатели, показывающие, насколько ИИ уже интегрирован в её собственный исследовательский процесс.

По состоянию на август 2026 года Anthropic сообщает:

• Claude ведёт 26% измеряемой исследовательской работы Anthropic в области ИИ.
• Более 90% этой работы выполняется как минимум в сотрудничестве с ИИ.
• Claude не является полностью автономным ни в одной измеряемой части работы.

Anthropic определяет «ведущую роль ИИ» как выполнение моделью большей части задачи от начала до конца по высокоуровневому запросу при надзоре человека.

Показатель в 26% особенно примечателен, поскольку, по словам Anthropic, в начале года эта доля была ниже 1%.

Anthropic опубликовала эту метрику отчасти потому, что считает: внешним наблюдателям необходима большая прозрачность в отношении того, насколько быстро передовые лаборатории автоматизируют собственные процессы разработки моделей.

Z.ai демонстрирует меньший, но более конкретный цикл обратной связи

Z.ai опубликовала ещё один полезный пример.

Компания заявляет, что Infra Agent на базе GLM-5.3 помог создать и оптимизировать инфраструктуру вывода, обслуживающую GLM-5.3-Flash.

Согласно сентябрьскому раскрытию информации Z.ai:

• Система работает более чем на 100 000 ускорителей ИИ китайского производства.
• Путь от первого успешного запуска до полноценного производственного трафика занял менее двух недель.
• Сквозная пропускная способность выросла до 3,2× от первоначального базового уровня.
• Значительная часть оптимизационной работы была выполнена Infra Agent на базе GLM-5.3.

Z.ai прямо заявляет, что это не полное рекурсивное самоулучшение.

Компания описывает результат скромнее: появился цикл минимального масштаба, в котором модель помогает оптимизировать систему, обслуживающую другую модель.

Это различие важно.

Современным системам по-прежнему необходимы цели, заданные людьми, проектирование обратной связи, инфраструктурные ограничения и проверка высокорисковых изменений.

Но такой цикл больше не является чисто теоретическим.

«Замедление ИИ» легче провозгласить, чем реализовать

Заключительная часть исходной статьи связывает RSI с новой дискуссией среди лидеров передовых ИИ-компаний.

12 сентября генеральный директор Anthropic Dario Amodei публично призвал индустрию снизить темп развития передовых моделей, чтобы работа над безопасностью успевала за ростом возможностей моделей.

Его предложение включало постоянный доступ независимых сторонних оценщиков на уровне сотрудников, а в дальнейшем — более широкую координацию вокруг порогов возможностей и мер безопасности.

Sam Altman, Elon Musk и Demis Hassabis выразили разную степень поддержки общей идее о том, что разработка передовых моделей при определённых условиях может потребовать более строгих ограничений или замедления.

Но согласиться с необходимостью осторожности проще, чем договориться о том, кто замедлится первым.

Конкурентное давление затрудняет согласованное замедление

Перед каждой передовой лабораторией стоит одна и та же стратегическая проблема.

Если одна компания замедлит развитие возможностей, пока конкуренты продолжат двигаться вперёд, она рискует уступить техническое лидерство, специалистов, клиентов и долю рынка.

Та же логика действует на уровне государств.

Страна, рассматривающая строгие ограничения на развитие передовых моделей, может опасаться, что конкуренты продолжат ускоряться.

Поэтому предложения о согласованном замедлении структурно сложно реализовать, даже когда крупнейшие лаборатории согласны с серьёзностью рисков.

Это противоречие заметно в текущем цикле моделей.

Google быстро выпускает модели Flash и, возможно, тестирует более сильные скрытые контрольные точки. Anthropic публично измеряет, какую долю собственных исследований и разработок уже выполняет Claude, одновременно рассматривая будущие релизы моделей. OpenAI продолжает выпускать передовые системы и расширяет стороннюю оценку и требования безопасности.

Результат не сводится к простому противоречию.

Это проблема координации: одни и те же организации могут искренне беспокоиться о рисках передовых моделей и одновременно сталкиваться с мощными стимулами оставаться на переднем крае.

Слухи о Claude Opus 5.2 и новых моделях OpenAI усиливают ощущение ускорения

В исходной статье также упоминаются сообщения сообщества о том, что другие лаборатории могут тестировать модели следующего поколения за существующими интерфейсами продуктов.

В одной широко распространённой публикации утверждалось, что некоторые запросы Claude Code отображали идентификатор claude-opus-5-2.

Это не официальный анонс продукта Anthropic.

Аналогичным образом публикации сообщества сообщали о возможных обнаружениях дополнительных идентификаторов моделей OpenAI, помимо текущей официально объявленной линейки.

К таким сообщениям следует относиться так же, как к теории о Gemini 4 Pro: они могут указывать на тестирование чего-либо, но не являются официальным релизом, спецификацией или датой запуска.

Что подтверждено, а что всё ещё остаётся слухом?

Часто задаваемые вопросы

Gemini 4 Pro официально выпущена?

Нет. Google официально не анонсировала Gemini 4 Pro, а текущая публичная документация Google по Gemini API не содержит модели Gemini 4. История основана на необычно производительной модели из Arena и предположениях сообщества о её идентичности.

Почему люди считают, что модель из Arena — это Gemini 4 Pro?

Скрытая модель использовала обозначение gemini-3.8-flash, но в тестах SVG, веб-интерфейсов, 3D и агентных задач выглядела сильнее публичной рабочей модели. Более медленное и обдуманное поведение также заставило некоторых тестировщиков предположить, что перед ними контрольная точка класса Pro, а не модель Flash.

Реальны ли опубликованные результаты бенчмарков Gemini 4 Pro?

Они не подтверждены. Вирусная таблица не имеет официальной поддержки со стороны Google или Arena, не содержит воспроизводимой конфигурации оценки, а некоторые сравнительные значения не полностью совпадают с официальными публикациями других поставщиков.

Что такое рекурсивное самоулучшение в ИИ?

Рекурсивное самоулучшение означает, что ИИ-системы помогают улучшать процесс создания более сильных ИИ-систем, формируя цикл обратной связи. Современные передовые лаборатории не заявляют о полностью автономном RSI, однако ИИ уже участвует в оценке, программировании, оптимизации инфраструктуры и исследованиях и разработке моделей.

Использует ли Gemini 3.8 методы RSI?

Google заявляет, что Gemini 3.8 ускоряется за счёт длительных агентных циклов, которые рекурсивно оценивают и дорабатывают базовые модели. Это реальный механизм самоулучшения, хотя он гораздо уже полностью автономной системы, самостоятельно проектирующей своего преемника без контроля человека.

Что такое Dream-RSI?

Dream-RSI — это исследовательская платформа, опубликованная в сентябре 2026 года Google, Google DeepMind и академическими партнёрами. Она использует историю предыдущих исследований как симулятор воспроизведения, чтобы агент мог недорого улучшать стратегию исследования, а затем применять улучшенную стратегию в реальной среде.

Какая доля исследований и разработок Anthropic в области ИИ уже автоматизирована?

Anthropic сообщает, что Claude ведёт 26% измеряемой работы в области исследований и разработок ИИ, а более 90% этой работы выполняется как минимум в сотрудничестве с ИИ. Anthropic также заявляет, что Claude не является полностью автономным ни в одной измеряемой части этой работы.

Почему сложно согласовать замедление развития ИИ?

Компания, которая замедлится в одиночку, рискует уступить конкурентам, продолжающим развитие. Та же проблема существует между государствами, поэтому общие правила оценки и пороги возможностей проще предложить, чем реализовать.

Связанные инструменты

• Google AI Studio: официальная среда Google для тестирования выпущенных моделей Gemini и сравнения их реального производственного поведения.
• Gemini API: официальная платформа Google для разработчиков и документация по текущим поддерживаемым релизам Gemini.
• LMArena: платформа слепого сравнения моделей, где иногда оцениваются невыпущенные или анонимизированные контрольные точки моделей.
• Dream-RSI: официальный сайт исследовательского проекта, посвящённого описанной в статье платформе рекурсивного самоулучшения.
• Anthropic Research: официальный исследовательский центр Anthropic, посвящённый поведению моделей, согласованию, оценкам и автоматизации исследований и разработок ИИ.

Связанные ссылки

• Google: Introducing Gemini 3.8 Flash and 3.8 Flash Cyber: официальное объявление Google о запуске 2 сентября и описание рекурсивных агентных циклов оценки.
• Gemini 3.8 Flash Model Page: официальные сведения о контекстном окне, лимите вывода, модальностях и возможностях API выпущенной модели.
• Gemini API Release Notes: актуальная официальная история релизов Gemini; по состоянию на 20 сентября в ней не указан релиз Gemini 4.
• Dream-RSI Paper: техническая статья о рекурсивном самоулучшении посредством развивающихся исследовательских миров.
• Anthropic: Measuring the Pace of AI Development: официальный отчёт, показывающий, что Claude ведёт 26% измеряемой работы в области исследований и разработок ИИ, а более чем в 90% случаев участвует в работе совместно с людьми.
• Z.ai: How GLM Built Its Own Inference Infrastructure: рассказ Z.ai о том, как Infra Agent на базе GLM-5.3 помог оптимизировать инфраструктуру вывода GLM-5.3-Flash.
• OpenAI: Trustworthy Third-Party Evaluations: опубликованная OpenAI платформа независимой оценки передовых моделей.

Итог

Модель с обозначением gemini-3.8-flash, которая оказалась сильнее ожидаемого, появилась в Arena, а тестировщики из сообщества получили достаточно необычные результаты, чтобы теория о Gemini 4 Pro выглядела правдоподобной. Но правдоподобие не равно подтверждению: Google не анонсировала Gemini 4 Pro, вирусный скриншот бэкенда не подтверждён, а распространяемая в интернете таблица бенчмарков не имеет официальной поддержки.

Более устойчивая часть истории — ускорение разработки ИИ с помощью ИИ. Google открыто заявляет, что Gemini 3.8 использует длительные циклы для рекурсивной оценки и доработки базовых моделей. Dream-RSI формализует самоулучшающийся цикл исследования. Anthropic сообщает, что Claude уже ведёт 26% измеряемой работы в области исследований и разработок ИИ, а Z.ai утверждает, что инфраструктурный агент на базе GLM помог утроить пропускную способность обслуживания GLM-5.3-Flash.

Это делает дискуссию о замедлении развития индустрии не проще, а сложнее. Передовые лаборатории могут соглашаться с необходимостью независимой оценки и более строгих мер безопасности и одновременно сталкиваться с мощными стимулами продолжать развитие.

Gemini 4 Pro остаётся слухом; переход к ИИ-системам, помогающим создавать следующее поколение ИИ, уже реален.