OpenAI的GPT-5.6 Sol使用“相当不明确的提示”自主对较小的Luna模型进行后训练

OpenAI 宣布，其最新旗舰模型 GPT-5.6 Sol 能够独立完成对较小模型 Luna 的微调。研究人员通过 Codex 平台向 Sol 下达了一条“相当模糊的提示”，指令模型自行寻找训练配置、选择合适的 GPU、启动训练脚本并验证运行。据 OpenAI 研究员 Kathy Shi 称，此前这类工作可能需要一个高级研究团队来完成，而现在“自动研究员已非常接近现实”。

然而，这项成就的具体范围随后被 OpenAI 员工 Jason Liu 澄清。他指出，Sol 并非从头构思训练方案，而是基于自身微调时已有的配置进行适配。换句话说，Sol 的任务是调整现有设置以适用于 Luna 并运行训练作业。Liu 表示，即便如此，这也至少节省了两名研究人员额外两周的工作量，“这仍然是一件大事。”

为了衡量模型自我改进的能力，OpenAI 构建了基于真实 AI 研究任务的内部评估套件，包括调试研究系统、优化内核和训练流程、运行机器学习实验以及改进其他模型。GPT-5.6 Sol 在聚合的递归自我改进（RSI）指数上比 GPT-5.5 高出 16.2 分，领先于 Terra、Luna 变体及前代模型。

递归自我改进指 AI 系统自我提升的能力，每次进步都使其更善于进一步改进，形成反馈循环。该概念长期处于 AI 安全研究的核心，因为完全实现可能导致能力急剧爆发。Sol 的成绩表明，AI 在自我优化方向上取得了可量化的进展，但距离完全的、无需人类干预的递归改进仍有差距。

OpenAI 报告称，研究人员在使用 GPT-5.6 Sol 后，日均 token 输出量比此前使用 GPT-5.5 时的峰值翻了一倍以上。同时，拉取请求和实验数量也有所增加，使得团队能更快地将想法转化为成果。过去六个月，内部编码推理的计算分配增长了 100 倍，基于 agent 的 token 使用量增长约 22 倍。OpenAI 承认这些指标不直接衡量研究进展，但反映了 AI 辅助工作规模的快速扩展。

这些数据暗示 Sol 已深度融入开发流程，从调试到实验运行，再到结果解读。但需注意，这些数据来自 OpenAI 自身，可能存在选择性呈现。

OpenAI 的竞争对手 Anthropic 在 6 月初指出，完全递归自我改进尚未实现，但可能比大多数机构预想的更早到来。Anthropic 称其模型 Claude 已能处理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。这与 Sol 的成就形成对比：Sol 展示了在特定、有限任务上的自主能力，而 Anthropic 则强调持续的人类引导。

关键的不确定性在于：Sol 的自主微调是否代表通用能力？其成功高度依赖已有配置，且任务范围狭窄。此外，OpenAI 未公开 RSI 基准的详细信息，外界难以独立验证。Sol 的性能提升是否来自模型规模或数据优势，而非真正的递归改进，仍有待探明。