OpenAI GPT-5.6 Sol 自主完成小模型后训练：一份模糊指令触发全自动流程

OpenAI 正在将"AI 训练 AI"从概念推向现实。其最新旗舰模型 GPT-5.6 Sol 近日展示了一项关键能力：在几乎无需人工干预的情况下，自主完成了对较小模型 Luna 的后训练工作。

据 OpenAI 介绍，一名研究人员通过 Codex 平台向 Sol 下达了一条"相当模糊的提示"，指令模型自行找到合适的训练配置、选择适用的 GPU、启动训练脚本，并验证整个流程是否正常运行。Sol 随后自主完成了这些步骤，无需工程师逐项手动操作。

OpenAI 研究员 Kathy Shi 在演示中表示："以前这需要 OpenAI 一个资深研究团队来完成，而现在，自动化研究员真的离我们很近了。"

为了量化这种自我改进能力，OpenAI 构建了一套基于真实 AI 研究任务的内部评估套件，涵盖调试研究系统、优化内核与训练策略、运行机器学习实验以及改进其他模型等任务。在这套被称为 RSI（递归自我改进）指数的综合基准上，GPT-5.6 Sol 的得分比上一代 GPT-5.5 高出 16.2 分，位居该基准的模型层级顶端。

递归自我改进指的是 AI 系统通过自我优化形成正向反馈循环的能力——每一次改进都让系统变得更强，从而更善于进行下一次改进。这一概念长期以来都是 AI 安全研究的核心议题，因为理论上，一个能递归改进自身的系统可能引发能力快速爆发。

OpenAI 的竞争对手 Anthropic 在 6 月初曾强调，完整的递归自我改进尚未实现，但"可能比大多数机构准备的时间点来得更早"。Anthropic 表示，Claude 目前已能处理重大范式转换之间的增量工作，人类仅负责个位数百分比的定向决策。

OpenAI 称，其研究人员在开发全周期中使用 GPT-5.6 Sol，从调试和优化训练系统到运行实验和阅读结果。在内部测试期间，每位活跃研究员的日均 Token 输出量较此前 GPT-5.5 时期的峰值翻了一倍以上，拉取请求和实验数量也同步增长。该公司在过去六个月的数据显示，分配给内部编码推理的计算份额增长了 100 倍，基于 Agent 的 Token 使用量增长了约 22 倍。