中国团队首发原生 RSI 模型 BigBang-V1，35B 参数击败 DeepSeek V4
新智元 · wechat · 2026-08-06
上海交大、深势科技等组成的「无尽前沿团队」发布了首个基于原生递归自我改进（RSI）训练的 35B 基座模型 BigBang-V1。该模型在多项高难度科学基准测试中表现优异，以 35B 的参数量击败了 1.6T 参数的 DeepSeek V4 Pro。
RSI 闭环机制
BigBang-V1 的核心突破在于其 100% 由 AI 合成的数据流水线。系统构建了 Generator（出题与改造）和 Critic（审查与挑刺）两类智能体，并外接真实测试。如果 Critic 打高分但模型训练后能力未提升，系统会用真实结果校准 Critic，从而形成“真实任务暴露缺口→造题筛题→训练→真实检验→校准”的完整闭环。
强悍的科学推理能力
- 高分基准：在 OpenAI 的 Frontier Science Research 上得分 46.2；在 Scale AI 的 Humanity's Last Exam 上得分 50.3；在 PaperBench (Code-Dev) 上得分 53.6。
- 实战表现：在生物信息学测试中能精准识别病毒并复现学术论文，甚至能挑出论文原设定中的逻辑矛盾并予以修复。此外，它还能串联多个开源模型完成复杂的抗体设计流水线。
团队表示，科学任务因其“前沿性”和“可验证性”，成为训练通用智能的最佳练兵场。该模型证明了无需单纯堆砌参数，通过 AI 迭代 AI 的数据范式创新即可实现性能飞跃。
所属事件:中国团队发布BigBang-V1：35B模型击败万亿参数巨兽(3 条相关)→
「模型」频道最新
- 曝 OpenAI 暗测内部神秘模型 Aeon：已现身 Codex 桌面版用量面板 — cedric_chee · 2026-10-16
- 博主实测：argon 日常全面能打，但重度编码仍略逊 Claude — iruletheworldmo · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16
- 开发者实测:决策模型 jev 质量跑赢 GPT-6-Luna — genmon · 2026-10-16
- Reddit 用户求证 Google AI Pro 订阅中 Argon 4 用量上限 — Consistent-Text-2662 · 2026-10-16