In oktober 2026 meldde The Next Web dat de veiligheidsbeoordeling van Gemini 4 Argon geen statistisch significante versnelling van AI-onderzoek en -ontwikkeling van begin tot eind had vastgesteld. Het rapport beoordeelde het risico van AI-gedreven AI-R&D als momenteel laag. The Next Web beschreef de bevindingen en verwees naar het veiligheidsrapport van Google DeepMind.
De vraag is wat die conclusie betekent voor recursive self-improvement (RSI): een proces waarbij AI-systemen helpen hun opvolgers te verbeteren. AI kan onderzoekers ondersteunen zonder dat het onderzoek daardoor aantoonbaar sneller verloopt of een team volledig wordt geautomatiseerd.
Welke drempels haalt Argon niet?
Volgens de beoordeling haalt Argon ML R&D acceleration level 1 en ML R&D automation level 1 niet. De eerste drempel staat voor een aanzienlijke versnelling van AI-ontwikkeling ten opzichte van historische trends; de tweede voor het volledig automatiseren van een onderzoeksteam van Google. De modelkaart van Gemini 4 Argon licht dit formele kader toe.
De beoordeling keek ook naar een interne Gemini-index op basis van 92 benchmarks. Die steeg van 0,091 punten per maand vóór 1 april 2026 naar 0,118 punten per maand daarna. Volgens het rapport was dat verschil statistisch niet significant. The Next Web meldde bovendien dat Google de positie van Argon boven de trend toeschreef aan extra investeringen en trainingsrekenkracht.
Argon loste volgens de berichtgeving ongeveer de helft van de uitdagingen op in een interne test met AI-onderzoekstaken. Een bijna perfecte score zou nodig zijn voor volledige automatisering. Dat resultaat past bij de drempels: hulp bij onderzoek is iets anders dan een volledig geautomatiseerd onderzoeksteam.
Wat zei Sergey Brin over AI die aan AI werkt?
Tijdens een rondetafelgesprek over Gemini 4 Argon beschreef Google-medeoprichter Sergey Brin hoe onderzoekers en modellen samenwerken aan de volgende modelversie. Hij karakteriseerde Google als een organisatie die steeds verder op een RSI-traject komt. The Next Web berichtte op 17 oktober 2026 over zijn uitspraken; zijn beschrijving gaat over samenwerking, terwijl de beoordeling een gemeten versnelling van AI-R&D van begin tot eind niet statistisch significant vond.
Vihan Jain, die bij Google DeepMind mede leiding geeft aan RSI en AI for science voor Gemini, omschreef het gebruik van Argon bij post-training als een nieuwe versnelling van de RSI-flywheel:
Waar blijven mensen aan zet?
The Next Web meldde dat AI meer dan 75% van de productiecode van Google DeepMind schreef, maar dat mensen codewijzigingen vóór indiening beoordeelden. Onderzoekers bleven volgens dezelfde berichtgeving verantwoordelijk voor de onderzoeksrichting, het ontwerpen van experimenten en het opsporen van problemen tijdens de training.
Voor de prestaties van Argon op benchmarks en de meldingen over programmeertaken beschreef NeoTeo al eerder de benchmarks voor Gemini 4 Argon en gemelde codeproblemen. De Argon-beoordeling richt zich op een andere vraag: hoe ver AI-ondersteuning bij onderzoek leidt tot versnelling of automatisering van AI-R&D.
