谷歌工程师海顿·贝尔菲尔德（Haydn Belfield）表示，尽管AI在模型研发中的自动化程度持续提升，但目前尚无可衡量的证据表明，AI自主驱动的研究正在加速发展。
贝尔菲尔德指出，当前AI编写的生产代码已超过75%，但约88%的代码变更仍需人工监督或审查，每次变更在提交前也必须经过人工审核。完全交由AI处理的代码变更比例已从7.5%升至11.9%。在 1389 次Argon内部智能体运行测试中，任务复杂度越高，AI无人干预的成功率越低。
针对 12 位DeepMind高级研究人员的调查也显示，AI在定义明确、结果可验证的任务中自动化程度较高，但在创造性研究、实验设计、训练异常诊断和长期规划方面仍依赖人类。
在包含 74 项真实机器学习工程任务的RE-Bench基准测试中，Argon的任务解决率约为50%，高于Gemini 3.7 Flash的27%，但距离实现全面自动化仍有差距。
为追踪AI能力变化，研究团队构建了涵盖 123 个模型、 92 项基准测试的通用能力指数（GCI）。数据显示，Gemini模型能力以每月约0. 1 个GCI点的速度稳定增长，尚未出现统计学显著的加速迹象。团队认为，Gemini 4 Argon略高于增长趋势线的表现，主要来自算力和组织投入增加，而非AI自主推动的研发加速。
目前，研究团队认为AI驱动研究自动化带来的风险仍相对有限，但正持续完善监测体系。与此同时，杰弗里·辛顿、约书亚·本吉奥及OpenAI首席科学家雅库布·帕乔基等 20 多位研究人员警告，AI可能在未来几年实现研发工作的高度自动化，将数年进展压缩至数月。不同判断凸显了AI自我改进能力及其潜在风险仍存在较大不确定性。
