Kimi K3以闭源RSI逼近Opus 5：18个Agent自主科研，经典叙事开始动摇

量子位报道，Kimi K3正在以闭源方式推进递归自我改进（RSI），其整体表现逼近Anthropic的Opus 5，成为近期大模型能力竞赛中最受关注的动向之一。

RSI（Recursive Self-Improvement，递归自我改进）指模型借助自身或同源Agent持续改进自身能力的研究路线。报道显示，Kimi K3通过一套被称为Harness的训练框架，调动18个Agent自主开展科研任务，并把研究成果反哺到模型迭代之中。

这一路径的特殊之处在于"闭源"。此前RSI叙事更多与开源模型和独立研究团队绑定，被视为小团队以巧劲追赶大厂的方式；Kimi K3在闭源体系内跑通同一套逻辑，意味着头部厂商同样能享受自主改进带来的持续增益。

量子位用"经典RSI剧本开始动摇"概括这一进展：当闭源模型借助Harness逼近Opus 5时，外界对RSI适用边界的既有判断需要被重新审视。

对行业而言，如果这一路线持续兑现，模型能力的提升节奏可能从依赖人工标注与外部数据，转向模型自我驱动的迭代改进，进而改变各实验室的投入结构与竞争节奏。

目前公开信息仍然有限，Kimi K3与Opus 5之间的具体差距、RSI在其中的实际贡献，仍需更详细的评测或官方说明来验证。后续值得关注的是，Moonshot AI是否会发布正式技术报告，以及这一闭源RSI路线能否在更大规模上复现。