神秘新模型综合指数飙至178.6分，八成进化推力竟来自AI自身迭代

一款从未对外公开的前沿大模型，正在改写行业对AI进化速度的认知。近日，第三方评测机构经过长达11周的深度调研，首次曝光了某头部AI实验室于9至10月秘密训练完成的未公开模型。该模型内部综合能力指数（AECI）高达178.6分，在15项基准测试中全部越过50%正确率线，远超现有公开模型。更引人关注的是，调研结论显示该实验室的模型进化速度已较此前翻倍，而其中约80%的推力来自AI自身的研发辅助。这组数据意味着什么？

对企业的启示：飞轮如何复用

AECI可以理解为大模型的「高考总分」，将各项基准测试的卷面成绩折算为一个综合段位分。此次曝光的未公开模型在AECI上拿下178.6分，明显高于公开模型174.5分和172.5分的水平。评测人员还做了一次「除虫测试」：在15个基准中发现3个存在题目过难或损坏的干扰项，剔除后模型得分进一步升至179.7分。更棘手的是，现有考卷已接近测不出其真实极限——单任务平均消耗250万输入Token，代码类任务甚至吃下1000万输入Token。

历史性拐点出现在2025年10月。在此之前，该实验室模型的能力指数每年约上涨15分，此后增速猛增至每年29分，达到过去的1.9倍。为验证这是「一次性台阶跳跃」还是「长期持续提速」，评测团队做了严格的盲测对比：在81%的统计抽样中，按持续提速预测的误差仅1.9分，远优于一次性跳涨假设的3.9分。拆解加速来源后发现，训练算力增长反而放缓，真正的推手在研发端——约80%的加速来自AI自身的研发辅助，其余才是人员扩充与推理算力扩容。

从多年产业实践经验来看，这轮加速的本质是研发工作流的结构性重构，而非单纯的模型变强。内部员工自报的研发提效从年初的1.3倍一路跳升至10月的约12倍。一线研究员将工作流演进概括为三个阶段：第一阶段把模型当自动补全，写点一次性小脚本；第二阶段由人类盯着单个实例开发完整功能；第三阶段则掀起「全面Agent化」，同时指挥一大群智能体并行跑实验。公司甚至发起内部悬赏，鼓励研究员把平时不敢试的疯狂点子批量交给Agent验证——10个研究点子同时丢给内部系统，看哪个能跑出结果。从冒出想法到跑通实验的时间缩短了80%，有研究员直言：现在只卡在点子和算力上，再也不会卡在写代码上。这种「人类出题、AI做题、人类再选题」的循环，正是自进化飞轮的核心结构。

这套飞轮对企业侧同样有借鉴价值。其关键不在于拥有最强的模型，而在于把「想法验证」的摩擦成本压到足够低，让试错从串行变成并行。对企业而言，可复制的路径是：将重复性研发与业务任务结构化为智能体可执行的工作流，让多个Agent同时承接候选方案，再由人做最终裁决。调研中还有一个耐人寻味的细节：AI尚未完全接管最核心的模型训练设计，但自主贡献核心研发已出现明显「生命迹象」。同时，评测机构提交的约100页完整报告中，大部分信息量最大的证据被公开版删除，敏感位置布满涂黑标记。这提示企业：在拥抱AI辅助研发的同时，能力边界、数据安全与信息管控必须同步设计。未来12个月内，算法、算力与数据侧均未看到让这台加速机器停下来的瓶颈。

更强的模型帮研究员省下80%的实验时间，省下的时间又被用来孵化更强的模型——一个找不到刹车的循环正在成形。对行业而言，重要的不是某个具体分数，而是「AI造AI」的飞轮已经转起来了。对企业来说，尽早把智能体工作流嵌入研发与业务流程，才能在加速时代不掉队。